Álgebra Lineal y Programación Lineal - Francisco Soler Fajardo

Álgebra Lineal y
Programación Lineal
Con aplicaciones a ciencias
ADMINISTRATIVAS, CONTABLES Y FINANCIERAS

Con uso de: Derive, Q.S.B y Excel
Francisco Soler Fajardo
Fabio Molina Focazzio
Lucio Rojas Cortés

Soler, Francisco
Álgebra lineal y programación lineal / Francisco Soler, Fabio Molina
y Lucio Rojas. -- 1a.ed. -- Bogotá: Ecoe Ediciones, 2003.
320 p. ; il. ; 23 cm.
Incluye índice
ISBN 958-648-340-1
1. Algebras lineales 2. Programación lineal I. Molina, Fabio II. Rojas,
Lucio III Tít.
512.5 cd 20 ed.
AHQ8707
CEP-Banco de la República-Biblioteca Luis Ángel Arango
Colección: Ciencias exactas

Área: Matemáticas
Primera edición: Bogotá, D.C. agosto de 2003
ISBN: 958-648-340-1
© Francisco Soler, Fabio Molina y Lucio Rojas

E-mail: fsoler@cable.net.co
© Del contenido del CD Rom: Rodrigo Estupiñán Gaitán
© Ecoe Ediciones
E-mail: correo@ecoeediciones.com
www.ecoeediciones.com
Carrera 19 No. 63C-32, Pbx. 2481449, fax. 3461741
Coordinación editorial: Adriana Gutiérrez M.

Autoedición: Magda Rocío Barrero
Carátula: Patricia Díaz
Fotomecánica: Imagen Gráfica
Impresión: Esfera Editores Ltda.
Calle 25 No. 24-10, Tel. 3691697
-
Impreso y hecho en Colombia

1 Algebra lineal y
Programación Lineal
Francisco Soler Fajardo
Profesor de Matemática
Pontificia Universidad Javeriana
Universidad Sergio Arboleda
Bogotá, Colombia
Fabio Molina Focazzio

Universidad Sergio Arboleda
Bogotá, Colombia
Lucio Rojas Cortés

Universidad Central
Universidad Militar Nueva Granada
Universidad Central
Bogotá, Colombia
Revisión Técnica
Nestor Pedraza Colmenares
Profesor de Matemáticas
Universidad Jorge Tadeo Lozano
Bogotá, Colombia
Harold Noriega Usta

Bogotá, Colombia
Con especial aprecio y cariño
a nuestras familias,
por su comprensión, estímulo y sacrificio
1 Reconocimientos
Un agradecimiento especial hacemos llegar a los doctores Rodrigo Noguera Laborde,

Rector de la Universidad Sergio Arboleda de Bogotá y al doctor Germán Quintero Andrade
Vicerrector Académico de la misma Universidad por su permanente estímulo
Al doctor Rodrigo Noguera Calderón, Rector Adjunto de la Universidad Sergio Ar-
boleda de Bogotá, por su invaluable apoyo en la edición de esta obra.
A la doctora Marta Alvarado Gamboa, Directora del Departamento de Matemática y
Estadística de la Pontificia Universidad Javeriana de Bogotá, por su respaldo al éxito de
esta obra.
Al doctor Reinaldo Núñez, Director de la Escuela de Matemáticas de la Universidad
Sergio Arboleda de Bogotá por sus valiosas sugerencias y comentarios sobre los diver-
sos temas de que trata esta obra.
A la doctora Edel Serrano Iglesias, Directora del Departamento de Matemáticas de
la Universidad Central de Bogotá.
A los profesores Nestor Pedraza Colmenares, Pontificia Universidad Javeriana, Uni-
versidad de Bogotá Jorge Tadeo Lozano y Harold Noriega Usta, profesor de la Pontificia
Universidad Javeriana de Bogotá, por la revisión técnica que hicieron a los manuscritos
de esta edición.
Así mismo a los profesores Wilson Orlando Urrego Garzón, Universidad Nacional a
Distancia UNAD, Universidad Central de Bogotá; Luis Enrique Rojas Cárdenas, Pontificia
Universidad Javeriana, Universidad Militar Nueva Granada, Bogotá y Carlos Julio Novoa
Martínez, Fundación Universidad Central de Bogotá, por la complementación de proble-
mas que aportaron a esta edición.
X ALGEBRA LINEAL
Queremos expresar nuestro agradecimiento a los siguientes profesores que nos han
prestado su ayuda, a lo largo de diversas etapas, en la elaboración de la presente obra;
sus muestras de apoyo, sus críticas y sugerencias han tenido para nosotros un valor
inestimable:
Norma Constanza Sarmiento, Pontificia Universidad Javeriana
Gloria E. Rodríguez de Granados, Fundación Universidad Agraria de Colombia, Uni-
versidad Santo Tomás.
Ricardo Bernal Bueno, Universidad Central de Bogotá, Universidad Jorge Tadeo
Lozano de Bogotá.
Con gratitud a nuestros alumnos de la Universidad Sergio Arboleda, la Pontificia
Universidad Javeriana y la Universidad Central de Bogotá, por sus sugerencias en el
desarrollo y correcciones de los manuscritos de esta obra.
F. SOLER, F. MOLINA, L. ROJAS XI
1 Tabla de contenido
Introducción ................................................................................................ XIX
1. Matrices ....................................................................................................... 1
Introducción ................................................................................................... 2
Objetivos ........................................................................................................ 2
1.1 Matrices ......................................................................................................... 3
Matriz cuadrada ............................................................................................. 4
Igualdad de matrices ...................................................................................... 5
Matriz nula ..................................................................................................... 6
Ejercicio 1.1 ................................................................................................... 6
1.2 Operaciones entre matrices ........................................................................... 7
Suma algebraica de matrices ......................................................................... 7
Multiplicación de una matriz por un escalar .................................................. 8
Inverso aditivo de una matriz ......................................................................... 8
Símbolo de sumatoria o notación sigma ......................................................... 11
Propiedades de la sumatoria .......................................................................... 12
Expresión abreviada de productos matriciales ............................................... 14
Producto de matrices ..................................................................................... 15
Ejercicio 1.2 ................................................................................................... 17
1.3 Propiedades de las operaciones entre matrices ............................................. 28
Ejercicio 1.3 ................................................................................................... 30
1.4 Tipos especiales de matrices ......................................................................... 31
Diagonal principal .......................................................................................... 31
Matriz triangular superior ............................................................................... 31
Matriz triangular inferior ................................................................................ 31
Matriz triangular ............................................................................................ 31
Matriz diagonal .............................................................................................. 32
Matriz escalar ................................................................................................ 32
Matriz identidad ............................................................................................. 32
XII ALGEBRA LINEAL
Matrices que conmutan ................................................................................. 33

Matriz idempotente ........................................................................................ 33
Matriz nilpotente ............................................................................................ 33
Ejercicio 1.4 ................................................................................................... 34
1.5 Matriz traspuesta y propiedades de la traspuesta ......................................... 35
Matriz simétrica y antisimétrica .................................................................... 36
Ejercicio 1.5 ................................................................................................... 38
Ejercicios Complementarios .......................................................................... 39
Cuestionario ................................................................................................... 41
1.6 Taller de Informática con uso de DERIVE .................................................... 43
Creación de una matriz .................................................................................. 43
Operaciones entre matrices .......................................................................... 45
Multiplicación de matrices ............................................................................. 47
Definición de una matriz mediante fórmula .................................................. 49
Utilización de la sumatoria ............................................................................. 50
Traza de una matriz ....................................................................................... 52
Matriz identidad de orden n x n .................................................................... 53
Matriz traspuesta ........................................................................................... 54
1.7 Taller de informática con uso de Excel ......................................................... 56
Creación de una matriz .................................................................................. 56
Operaciones entre matrices .......................................................................... 57
Multiplicación de matrices ............................................................................. 61
Resumen ........................................................................................................ 66
Glosario .......................................................................................................... 69
2. Sistemas de ecuaciones lineales .............................................................. 71

Introducción ................................................................................................... 73
Objetivos ........................................................................................................ 73
2.1Sistemas de dos ecuaciones lineales con dos variables .................................. 74
Ejercicio 2.1 ................................................................................................... 79
2.2 Sistemas de m ecuaciones lineales con n variables ...................................... 80
Solución de un sistema de m ecuaciones con n variables ............................. 81
Sistemas consistentes e inconsistentes .......................................................... 82
Expresiones matriciales de un sistema de ecuaciones lineales ..................... 82
Sistemas equivalentes .................................................................................... 84
Ejercicio 2.2 ................................................................................................... 84
Método de eliminación de Gauss y Gauss-Jordan ......................................... 85
Operaciones elementales entre filas ............................................................. 85
Matriz aumentada .......................................................................................... 90
Matriz escalonada ......................................................................................... 91
F. SOLER, F. MOLINA, L. ROJAS XIII
Matriz escalonada reducida .......................................................................... 92

Método de Gauss ........................................................................................... 92
Método de Gauss-Jordan ............................................................................... 100
Múltiples soluciones ....................................................................................... 109
Rango de una matriz ...................................................................................... 111
Estudio del tipo de solución de un sitema no homogéneo .............................. 112
Determinación del tipo de solución de un sistema de ecuaciones lineales .... 112
Ejercicio 2.3 ................................................................................................... 116
2.4 Sistemas lineales homogéneos ....................................................................... 123
Estudio del tipo de solución de un sistema homogéneo ................................. 123
Ejercicio 2.4 ................................................................................................... 125
2.5 Matriz inversa ................................................................................................ 125
Procedimiento para hallar la inversa de una matriz A, aplicando
el método de Gauss-Jordan ........................................................................... 127
Inversa de una matriz 2 x 2 ........................................................................... 130
Solución de un sistema de ecuaciones utilizando la inversa de la inversa
de la matriz de coeficientes ........................................................................... 133
Propiedades de la matriz inversa ................................................................... 135
Relación entre inversas y sistemas de ecuaciones ........................................ 138
Ejercicio 2.5 ................................................................................................... 140
Ejercicios complementarios ........................................................................... 142
Cuestionario ................................................................................................... 143
2.6 Taller de infomática con uso de “DERIVE”. ................................................ 145
Multiplicar una fila de una matriz por un escalar .......................................... 146
Restar a la fila i de la matriz A, c veces la fila j de A ................................ 147
Rango de una matriz ...................................................................................... 154
Inversa de una matriz .................................................................................... 156
2.7 Taller de informática con uso de «Excel» ..................................................... 157
Inversa de una matriz .................................................................................... 157
Solución de un sistema de m ecuaciones lineales con m variables ................ 158
Resumen ........................................................................................................ 162
Glosario .......................................................................................................... 164
3. Determinantes ............................................................................................ 165

Introducción ................................................................................................... 166
Objetivos ........................................................................................................ 166
Determinantes de orden 2x2 y 3x3 ................................................................ 167
3.1 Determinantes de orden 3x3 ......................................................................... 169
Regla de Sarrus para calcular un determinante de orden 3 x 3 .................. 170
Ejercicio 3.1 ................................................................................................... 171
3.2 Determinantes de orden n x n .................................................................... 172
XIV ALGEBRA LINEAL
Menor i,j ....................................................................................................... 172

Cofactor i,j ................................................................................................... 173
Matriz de cofactores ..................................................................................... 173
Signos de los cofactores ................................................................................ 175
Determinantes de orden n x n ....................................................................... 176
Ejercicio 3.2 ................................................................................................... 180
3.3 Propiedades de los determinantes ................................................................. 182
Ejercicio 3.3 ................................................................................................... 189
3.4 Matriz Adjunta y matriz inversa .................................................................... 190
Propiedad de la matriz adjunta ...................................................................... 191
Cálculo de la matriz inversa utilizando la adjunta .......................................... 191
Matriz insumo producto de Leontief .............................................................. 192
Ejercicio 3.4 ................................................................................................... 197
3.5 Regla de Cramer ........................................................................................... 201
Regla de Cramer para sistemas 2 x 2 ........................................................ 201
Regla de Cramer para sistemas 3 x 3 ........................................................ 202
Ejercicio 3.5 ................................................................................................... 206
Ejercicios Complementarios .......................................................................... 209
Cuestionario ................................................................................................... 212
3.6 Taller de Informática con uso de DERIVE .................................................... 214
Cálculo de un determinante ........................................................................... 214
Menor i , j de una matriz Mij ........................................................................ 214
Cofactor i , j de una matriz. Cij ................................................................... 215
Matriz Adjunta. (adj (A)) .............................................................................. 216
Cálculo del determinante de una matriz cuadrada ........................................ 220
Verificación de algunas propiedades de los determinantes ........................... 221
Solución de un sistema de m ecuaciones lineales con m variables
utilizando la regla de Cramer ......................................................................... 223
Resumen ........................................................................................................ 226
Glosario .......................................................................................................... 228
4. Introducción a la Programación Lineal ................................................... 229

Introducción ................................................................................................... 232
Objetivos ........................................................................................................ 232
4.1 Desigualdades lineales ................................................................................... 233
Gráfica de una desigualdad lineal en dos variables ....................................... 233
Recta vertical ................................................................................................ 233
Recta horizontal ............................................................................................. 235
Recta oblicua ................................................................................................. 237
Semiplano abierto .......................................................................................... 240
Semiplano cerrado ......................................................................................... 240
F. SOLER, F. MOLINA, L. ROJAS XV
Desigualdades lineales simultáneas con dos variables .................................. 242

Propiedad de las desigualdades ..................................................................... 245
Ejercicio 4.1 ................................................................................................... 253
4.2 Problema estándar de Programación Lineal (PL) y Método Gráfico ........... 258
Modelo de Programación Lineal en forma general ....................................... 258
Método gráfico .............................................................................................. 261
Región Factible .............................................................................................. 261
Punto de Esquina o Vértice de la Región Factible ........................................ 261
Pasos para resolver un problema con Método Gráfico ................................. 261
Determinación de la Solución Óptima algebraicamente ............................... 268
Teorema de Programación Lineal ................................................................. 270
Otro método de solución ................................................................................ 270
Problema de Mínimo con el Método Gráfico ................................................ 272
Ejercicio 4.2 ................................................................................................... 276
4.3 Problemas con Múltiples Soluciones No Acotados y Degenerados ............. 282
CASO I. Soluciones óptimas-múltiples ......................................................... 283
CASO II. No Factibilidad .............................................................................. 283
CASO III. No Acotamiento .......................................................................... 284
Ejercicio 4.3 ................................................................................................... 285
Problema de maximización ............................................................................ 289
4.5 Taller de informática con uso de QSB ........................................................... 296
Problema de maximización ............................................................................ 296
Problema de minimización ............................................................................. 301
Resumen ........................................................................................................ 304
Glosario .......................................................................................................... 306
5. Planteamiento de modelos de programación lineal .............................. 309

Modelos de programación lineal .................................................................... 310
Introducción ................................................................................................... 311
Objetivos ........................................................................................................ 311
5.1 Problema de la dieta ...................................................................................... 312
5.2 Problema del transporte ................................................................................ 313
5.3 Problema de asignación ................................................................................. 316
5.4 Problema del excursionista ............................................................................ 317
5.5 Problema financiero ...................................................................................... 318
5.6 Planificación de personal ............................................................................... 320
5.7 Problema de mercadotecnia .......................................................................... 323
5.8 Problema de producción ................................................................................ 326
5.9 Problema de mezclas ..................................................................................... 330
5.10 Proyecto de finanzas ................................................................................. 331
5.11 Aplicaciones contables .............................................................................. 334
XVI ALGEBRA LINEAL
Problemas propuestos ................................................................................... 337

5.12 Taller de Informática con QSB ................................................................. 350
5.13 Taller de informática con uso de EXCEL ................................................. 362
6. Método simplex ......................................................................................... 371

Introducción ................................................................................................... 372
Objetivos ........................................................................................................ 372
6.1 Conceptos básicos del Método Simplex ........................................................ 373
Variable de holgura ........................................................................................ 374
Problema original sin variables de holgura .................................................... 375
Problema de programación lineal con variables de holgura .......................... 375
Variables básicas y solución básica ............................................................... 375
Solución básica factible ................................................................................. 377
6.2 Tabla simplex inicial ....................................................................................... 378
Columna pivote y fila pivote .......................................................................... 384
Elemento pivote ............................................................................................. 384
Finalización de las iteraciones en el método simplex ..................................... 388
Interpretación de los resultados ..................................................................... 390
6.3 Comparación del método simplex con el método gráfico .............................. 390
6.4 Restricciones con desigualdades del tipo mayor o igual ................................ 393
6.5 Solución de problemas de minimización con el método simplex ................... 401
Planteamiento del modelo .............................................................................. 401
6.6 Casos especiales ........................................................................................... 403
Múltiples soluciones ....................................................................................... 403
Modelo de no factibilidad ............................................................................... 408
No acotamiento ............................................................................................. 411
Ejercicios ....................................................................................................... 413
6.7 Taller de Infomática con uso de QSB ........................................................... 425
Resumen ........................................................................................................ 428
Glosario .......................................................................................................... 429
7. Análisis de sensibilidad y dualidad .......................................................... 431

Introducción ................................................................................................... 432
Objetivos ........................................................................................................ 432
7.1 Análisis de sensibilidad con método gráfico .................................................. 433
Cambios en un coeficiente de la función objetivo ......................................... 433
Intervalo de optimalidad ................................................................................ 433
Cambios en los términos independientes de una restricción (lados derechos)
437
Precio sombra ............................................................................................... 438
Análisis de sensibilidad con el método simplex ............................................. 438
F. SOLER, F. MOLINA, L. ROJAS XVII
Intervalo de optimalidad para variables básicas ............................................ 438

Intervalo de optimalidad para variables no básicas ....................................... 442
Cambios en el lado derecho de una restricción ............................................. 443
Precio sombra ............................................................................................... 443
Método para calcular los intervalos de factibilidad ....................................... 446
Método para restricciones menor o igual ...................................................... 446
Método para restricciones mayor o igual ...................................................... 446
El problema dual ............................................................................................ 449
Relación entre el primal y el dual .................................................................. 450
Forma general del problema dual .................................................................. 450
Forma estándar .............................................................................................. 454
Interpretación económica de las variables duales ......................................... 457
Dual para el primal con cualquier tipo de restricción .................................... 460
Ejercicios ....................................................................................................... 462
7.2 Taller de Informática con uso de QSB .......................................................... 470
Resumen ........................................................................................................ 476
Glosario .......................................................................................................... 477
8. Transporte, asignación, transbordo y PERT/CPM ............................... 479

Origen de la programación lineal ................................................................... 479
Introducción ................................................................................................... 482
Objetivos ........................................................................................................ 482
8.1 Modelo de transporte ..................................................................................... 483
8.2 Modelo generalizado de transporte ................................................................ 483
Planteamiento de la función objetivo ............................................................. 488
Restricciones de oferta .................................................................................. 488
Restricciones de demanda ............................................................................. 489
Planteamiento del modelo de transporte ....................................................... 489
Método del cruce del arroyo ......................................................................... 489
FASE 1 .......................................................................................................... 490
Índice de mejoramiento ................................................................................. 493
Resumen ........................................................................................................ 495
Mejoramiento de la solución pendiente ......................................................... 498
Resumen del problema .................................................................................. 502
8.3 Modelo de transporte no equilibrado ............................................................. 502
8.4Problema de asignación .................................................................................. 510
Red de modelo de asignación del problema de proyectos de monografías ... 512
Planteamiento de la función objetivo ............................................................. 513
8.5Modelo general de programación lineal para el problema de asignación ....... 515
8.6 Método Húngaro ........................................................................................... 515
Pasos de método Hungaro ............................................................................ 516
PASO I. Reducción de filas .......................................................................... 516
XVIII ALGEBRA LINEAL
PASO II. Reducción de columnas ................................................................ 517

Prueba de optimalidad ................................................................................... 518
PASO III. Determinar si el problema es óptimo ........................................... 518
PASO IV. Reducciones posteriores .............................................................. 518
PASO V. Solución óptima ............................................................................. 519
Resumen del método Húngaro en un diagrama de flujo ............................... 521
8.7 Problema de transbordo ................................................................................ 522
8.8 PERT/CPM ................................................................................................... 527
Tiempos próximos .......................................................................................... 529
Tiempo próximo de iniciación ........................................................................ 532
Tiempos lejanos ............................................................................................. 533
Tiempo lejano de terminación ........................................................................ 536
Holgura de una actividad ............................................................................... 537
Ruta crítica .................................................................................................... 537
Cálculo de la ruta crítica ................................................................................ 539
Ejercicios ....................................................................................................... 542
8.9 Taller de informática con uso de “QSB” ....................................................... 552
Problema de transporte ................................................................................. 552
Problema de asignación ................................................................................. 559
Problema de PERT/CPM .............................................................................. 565
Resumen ........................................................................................................ 571
Glosario .......................................................................................................... 572
Respuestas a algunos ejercicios y problemas ....................................... 573

F. SOLER, F. MOLINA, L. ROJAS XIX
1 Introducción
En la actualidad las compañías manejan proyectos de gran envergadura, donde inter-
vienen una cantidad considerable de variables, las cuales en muchos casos están relacio-
nadas entre sí por ecuaciones o inecuaciones lineales.
En el desarrollo de un proyecto empresarial es necesario efectuar diferentes proce-
sos, los cuales generan gran cantidad de datos numéricos, que únicamente pueden ser
procesados en forma computacional, mediante el uso de matrices y sistemas de ecuaciones
e inecuaciones lineales.
Por las razones anteriormente expuestas nos propusimos la tarea de escribir el libro
de Algebra Lineal con una introducción a la Programación lineal, desarrollado para estu-
diantes de Ciencias administrativas, Contables y Financieras con el objeto de proporcio-
nar al alumno técnicas para resolver problemas operativos y darle alternativas y solucio-
nes en el entorno empresarial, asesorando a diversas entidades sobre la forma de mane-
jar mejor sus recursos y hacer planes de inversión.
La utilización de la tecnología es fundamental en el desarrollo del curso de Álgebra
Lineal, ya que el estudiante afianza sus conocimientos resolviendo problemas en forma
computacional, abandonando en parte los cálculos manuales, largos y tediosos y dedi-
cándose más al aprendizaje de los conceptos.
En las secciones de tecnología al final de cada capítulo se utiliza DERIVE o Q.S.B o
EXCEL, programas bajo ambiente Windows, reconocidos a nivel mundial y de fácil
manejo y acceso para estudiantes y profesores.
1 Matrices
Arthur Cayley. Nació en Richmond, Surres, Ingla-

terra el 16 de agosto de 1821, y murió en Cambridge,
Inglaterra el 26 de enero de 1895. Estudió en el King´s
College y en el Trinity College. En 1842, se graduó con
todos los honores. Mas tarde fue a la escuela de leyes, y
en 1849 se graduó como abogado. A comienzos de su
carrera, mientras se dedicaba al estudio y a la práctica
del derecho, realizó algunos de sus descubrimientos ma-
temáticos más brillantes.
Su profesión de abogado le permitió vivir conforta-
blemente, profesión que practicó durante 14 años, y es- Cayley
cribió aproximadamente 300 textos de matemática.
En 1857 desarrolló el Álgebra de Matrices. Es considerado como el tercer escritor
más prolífico de matemáticas, siendo sólo superado por Euler y Cauchy. Hizo importan-
tes contribuciones en la Teoría de curvas y superficies, y en geometría analítica. En
1863 fue profesor de matemáticas puras en Cambridge. Sus trabajos en geometría
cuatridimensional, proporcionaron a los físicos del siglo XX, especialmente Albert Einstein,
la estructura para desarrollar la Teoría de la Relatividad.
Cayley trabajó en matemática, dinámica teórica y en astronomía matemática. En
1876, publicó su único libro, Tratado sobre Funciones Elípticas. Escribió 966 tex-
tos; hay 13 volúmenes coleccionados de esos textos.
Junto con J.J. Sylvester, su amigo de toda la vida, es considerado el fundador de la
Teoría de los Invariantes Algebraicos y sus memorias están recogidas en los trece
volúmenes publicados en Cambridge después de su muerte, con el título de “The
collected mathematical Papers”. Hizo aportes a la Teoría de los Determinantes.
Probó muchos teoremas importantes de la Teoría de Matrices de Cayley-Hamilton.
2 ALGEBRA LINEAL
Introducción
En este capítulo hacemos una introducción al estudio de las matri-

ces clasificándolas según sus características, definiendo las ope-
raciones entre ellas y aplicando sus propiedades.
Se introduce una serie de aplicaciones de matrices mediante pro-
blemas de valoración de inventarios, producción, costo de trans-
porte, costo de materias primas etc.
Se define la sumatoria y sus propiedades como concepto de apoyo
para el lector en la multiplicación de matrices.
Por último se involucró un taller de informática con los paquetes
computacionales Excel y Derive versión 5.0, haciendo énfasis
en las operaciones entre matrices, y cómo calcular sumatorias
con Derive.
Objetivos
• Reconocer el concepto de matriz e identificar sus elementos

• Identificar algunos tipos especiales de matrices y sus propie-
dades.
• Manejar operaciones algebraicas definidas en las matrices y
sus propiedades
• Mostrar algunas aplicaciones de las matrices
• Aplicar los programas computacionales Derive y Excel en el
manejo de operaciones entre matrices.
F. SOLER, F. MOLINA, L. ROJAS 3
1.1 MATRICES
Matriz: una matriz es un arreglo rectangular de elementos de un
conjunto determinado dispuestos en filas y columnas. Si el con-
junto al que pertenecen los elementos son los números reales,
entonces tenemos una matriz de números reales.
Si la matriz A tiene m filas y n columnas,se dice que es de orden
m x n y se denota de las siguientes formas:
A = [aij]m x n
LM a NM
MM a 11
a 12
a 22
...
...
a 1n
a 2n
MM a ij representa el
A= MM 21 MM elemento en la fila
...
...
i y la columna j.
...
Na m1
a m2 ... amn
L
mxn
Ejemplo 1. LM 3 6 20 LM
8
MM 9
Sea A = 4 _1 7 0
MM
N N
Matriz
30 18 19 Es un arreglo
rectangular de
• El elemento a11 = 3 está ubicado en la fila 1 columna 1. números reales
• a34 = 19 es el elemento de la fila 3 y la columna 4. dispuestos en
• La matriz A es de orden 3 x 4 porque tiene 3 filas, 4 columnas. filas y columnas
Ejemplo 2.
Los siguientes arreglos son matrices:
A = [1 3 –5 0] A es una matriz de orden 1x4.Usualmente a las
matrices que tienen solamente una fila, se les
llama matriz fila o vector fila.
LM2 2 OP B es de orden 3x1 Las matrices que tienen una

B=
MN8 PQ sóla columna, se les llama matriz columna o
vector columna
001LM OP
C= 010
100 MN PQ C es una matriz de orden 3 x 3.
D = [7] D es una matriz de orden 1 x 1.

4 ALGEBRA LINEAL
Ejemplo 3. Halle los elementos de la matriz A = [aij] de orden 2 x 3,

donde aij = i2 – j
Solución. Escribamos la matriz A de la forma:
LM a 11 a 12
MNL
a 13
A=
N a 21 a 22 a23
, con aij = i2 – j , por lo tanto:
para a11 tenemos que i = 1 y j = 1, a11 = 12 _ 1 = 1 _ 1 = 0;

para a12 tenemos que i = 1 y j = 2, a12 = 12 _ 2 = 1 _ 2 = _1;
Diagonal
continuando así: a13 = 1 _ 3 = 1 _ 3 = _2
2 principal
Está formada
a21 = 22 _ 1 = 4 _ 1 = 3 por los elemen-
tos: a11, a22, a33,
a22 = 22 _ 2 = 4 _ 2 = 2 ..., ann de una
matriz cuadrada
a23 = 22 _ 3 = 4 _ 3 = 1
reemplazando estos valores en la matriz A, tenemos

0 _ 1 _2LM L
N NM
A=
3 2 1
Matriz cuadrada. Cuando el número de filas de una matriz A es

igual al número de columnas (m = n) se dice que A es una matriz
cuadrada de orden n.
La diagonal principal de una matriz cuadrada está formada

por los elementos a11, a22, a33, ..., ann; la suma de estos elemen-
tos se llama Traza de la matriz y se nota tr (A).
LM26 47ML
N N
Ejemplo 4.
Sea A=
A es una matriz de orden 2 x 2 y tiene el mismo número de filas y de

columnas
Los elementos a11 = 2 y a22 = 7 conforman la diagonal principal. Traza de una
Luego la Traza de A es: matriz
Se define
tr (A) = a11 + a22 = 2 + 7 = 9 como la suma
de los elementos
de la diagonal
principal.
Igualdad de matrices
Sean A = [aij]m x n y B [bij]m x n. A = B si y solo si aij = bij , para
i = 1, 2, 3,..., m y j = 1, 2, 3, ..., n.
LM2 4OP LMx y OP

Ejemplo 5. Sean A =
N6 −1Q y B=
N z wQ
Matriz cuadrada
Las matrices A y B tienen orden 2 x 2, y además A = B si se Si el número de
cumple: filas y columnas
x=2 y=4 de una matriz A
son iguales
z=6 w = –1
Ejemplo 6. Determine los valores de m, n, r y t, tal que C = D.

LM L m_1 r+2 LM L
N NM N NM
2m + n 3r
C = ; D =
4t + 1 m _ n t_3 n+4
Solución. Para que se cumpla la igualdad C = D, se debe dar:

1o. 2m + n = m _ 1; 2o. 3r = r + 2
_
3o. 4t + 1 = t 3 _
4o. m n = n + 4
Simplificando las ecuaciones tenemos:

(1) 2m + n _ m = _ 1; (2) 3r _ r = 2
m + n = _1 2r = 2
Matrices iguales
r=1 Tienen el
_ _
(3) 4t t = 3 1 _ _ _
(4) m n n = 4 mismo orden y
3t = _ 4 m _ 2n = 4 los elementos
correspondientes
t =− 4 son iguales
3 entre sí
De la ecuaciones (2) y (3) encontramos que r = 1 y t = − 4 .
3
Para hallar m y n, consideramos el sistema de ecuaciones lineales
dado por las ecuaciones (1) y (4):
(1)m + n = _1. Multiplicando la ecuación (4) por (_1), y sumando miembro a
(4)m _ 2n = 4. Miembro las dos ecuaciones, obtenemos:
_
m + n = –1 m+ n = 1
_ _ _ _
( 1) (m 2n) = ( 1) (4) –m + 2n = 4
_
3n = 5
_
n = 5
3
6 ALGEBRA LINEAL
Reemplazando n por (− 53 ) en la ecuación (1), obtenemos:

_5 _
m +( 3 ) = 1
_ 5
m = 1+ 3
_
3+5
m =
3
2
m = 3
2 5 4
Los valores obtenidos son: m = 3 , n = − 3 , r = 1 y t = − 3 ; con lo
cual reemplazando en la matriz D, tenemos:
LM 2 _
1 1+2 −LM
1
3 LM LM
MMN +4M MMN MMN 7
3 3
C=D= =
MN
−
4 _ 3_ −
5 _1 7
− 13
3 3 3 3
Matriz nula. Es la que tiene todos sus elementos iguales a cero

y la representamos como: 0m x n
Ejemplo 7. La matriz nula de orden 2 x 5 es

LM0 0 0 0 0M
L
02 x 5 = MN 0 0 0 0 0 MN 2x5
Ejercicio 1.1
1. Sea A una matriz, la traza de A, denotada por tr (A) se define como Matriz nula
la suma de los elementos de su diagonal principal. Todos
los elementos
LM1 4 −2 OP de la matriz son
a) Si A = M PP
iguales a cero.
3 3 −6
MN2 9 −4 Q
, calcule tr (A)
LM4 OP , calcule tr (B)

−2
b) Si B =
N1 5Q
2. Halle los elementos de las matrices A = [aij]2x3, B = [bij]3x2, donde:

aij = i2 + j, bij = 2i – j
3. Determine los valores de x, y, z y w ,tal que A = B, donde:

A=
LMx + 2 y −w + 2z OP B=
LM 1 2 OP
N3+ w 5x − y Q N2 w + z 3 y − 1Q
4. Escriba completamente los elementos de la matriz: A = [aij]2x3, con
aij = ( −1)i + j
LM 1 OP
Ni + j Q
5. Construya una matriz A = [aij] si A es 3 x 4, y aij = 2i + 3j
Suma de
6. Si A = [aij], tiene orden 3 x 4 , y aij = i + j, encuentre A. matrices
Sean A y B dos
matrices de
7. Encuentre los componentes de la matriz A = [aij] si A es 2 x 2 y orden
aij = i + j m x n, se define
A + B = C de
8. Obtenga los componentes de la matriz A = [aij], si A es 2 x 3 y m x n, donde
aij = (_1)(i+j) (i) aij + bij = cij
1.2 OPERACIONES ENTRE MATRICES
Suma algebraica de matrices

Sean A = [aij]m x n y B = [bij]m x n, se define A + B = [cij]m x n,
donde cij = aij + bij, lo cual significa que el elemento en la fila i
columna j de A + B, se obtiene sumando el elemento en la fila i
columna j de A con el elemento en la fila i columna j de B.
LM a 11 a12 L a1n OP
b11 b12 L b1n LM OP
A=M PP MM PP
a a22 L a2 n b b22 L b2 n
21 y B = 21
MNaM m1
M M
am2 L amn
M M
Q
M
bm1 bm2 L bmn N Q
LM a 11 + b11 a12 + b12 L a1n + b1n OP
entonces: A + B = M PP
a + b21 a22 + b22 L a2 n + b2 n
MM
21
Na m1
M M
+ bm1 am2 + bm2 L amn + bmn
M
PQ
8 ALGEBRA LINEAL
LM2 − 1 4 OP 1 3 −1 LM OP
Ejemplo 1. Sean A = M1 3 PP MM
2 y B 1 5 4 , calcular A+B
PP
MN6 2 5 Q
−1 3 4 N Q
LM2 +1 − 1+ 3 4 − 1 3 2 3 OP LM OP
MM61−+11 3+ 5 2 + 4 = 2 8 6
PP MM PP
N Q N Q
Solución. A + B =
2 + 3 5+ 4 5 5 9
Multiplicación de una matriz por un escalar
Sea A = [aij]m x n y k un escalar, entonces el producto del esca-

lar k por la matriz A es otra matriz kA = [cij]m x n , donde cij = kaij,
es decir que cada elemento de kA es igual al producto del esca- Escalar
lar k por el correspondiente elemento de la matriz A . Es un número
real
LM a11 a12 L a1 n OP
Si A : M PP
a a22 L a2n
MM M
21 y k es un escalar Producto de una
M M
Na
m1 am 2 L amn PQ matriz por un
escalar
Sea A una matriz
LM ka 11 ka12 L ka1n OP de orden m x n y
k un escalar, el
k⋅A =M PP
ka ka22 L ka2n
MM M
21 producto de una
M M
PQ
matriz por un
N ka m1 kam 2 L kamn escalar se define
kA = [cij]m x n
donde cij = kaij.
3 −1 4 LM OP
N Q
Ejemplo 2. Si A = 5 2 1 y k = _5 calcular: _5A
Solución: −5A =
LM(−5)(3) (−5)(−1) ( −5)(4)
=
−15 5 −20 OP LM OP
N(−5)(5) (−5)(2) (−5)(1) −25 −10 −5 Q N Q
Inverso aditivo de una matriz
Sea A una matriz de orden m x n. El inverso aditivo u opuesto de
_ _
A es la matriz A = ( 1) A
Ejemplo 3.
LM1 2OP LM3 3OP a) A + B

b) A+( −1) B
Sean A = M 1 −3 PP y B = M1 PP
4 calcular:
MN5 −1 Q MN5 −2 Q
c) 2A + 3B
d ) A + ( −1) A
Solución:
LM 1 + 3 2 + 3 OP LM 4 5 OP
a) A + B = M 1 + 1 −3 + 4 P = M 2 1 P
MN 5 + 5 −1 − 2 PQ MN10 −3PQ
L3 3OP LM−3 − 3 OP
b) ( −1) B = ( −1) M1
MN5 − 24PQ = MN−−15 − 42PQ,
L1 2 O L−3 −3O L−2 −1O
así que: A + ( −1) B = M1 −3P + M −1 −4P = M 0 −7P
Opuesto de una
MN5 −1PQ MN−5 2 PQ MN 0 1 PQ

matriz
Es la matriz:
_ A = (_ 1)A
L1 2O L3 3OP LM 2 4 OP LM9 9 OP
c) 2A + 3B = 2 M1 − 3P + 3 M1
MM5 − 1PP MM5 − 24PP = MM102 −− 26PP + MM153 −126 PP
N Q N Q N Q N Q
L11 13OP
por lo tanto: 2A + 3B = M5
MM25 −68 PP
N Q
LM1 2OP LM−1 − 2OP LM0 0 OP
MM5 − 1 PP MM−5 1 PP MM0 0PP
d) A +( −1)A = 1 − 3 + −1 3 = 0 0
N Q N Q N Q
Ejemplo 4. Encuentre los valores de x, y, z y w, tales que:
LM 2 x y
= 2
OP
3 x+2
+3
LM 4 2 OP LM OP
N− z z+w Q
z w−1 N
y −5 w Q N Q
Solución. Efectuando las operaciones indicadas tenemos:
LM 2 x y
=
OP LM 6 OP LM
2x + 4
+
12 6 OP
N− z z+w Q N2z 2w − 2Q N3 y − 15 3w Q
10 ALGEBRA LINEAL
LM 2 x y OP LM 18 OP
2 x + 10
N −z z+w Q =
N 2z + 3y − 15 5w − 2 Q
Las matrices anteriores son iguales siempre y cuando los elementos correspondien-
tes sean iguales, luego:
(1) 2x = 18 (2) y = 2x + 10 (3) _z = 2z + 3y_15 (4) z + w = 5w _2
simplificando las ecuaciones tenemos:

(1) 2x = 18 (2) y = 2x + 10 (3) _z _ 2z = 3y _15 (4) w _ 5w = _ z _ 2
x=9 _3z = 3y _15 _4w = _z _2
_
3z = 3y + 15 4w = z + 2
_3y + 15 z+2
z= w=
3 4
z = _y +5
De la ecuación (1) tenemos: x = 9
Reemplazando este valor en la ecuación (2): obtenemos y = 2(9) + 10 = 18 + 10 = 28
Sustituyendo y por 28 en la ecuación (3) tenemos: z = –(28) + 5 = _ 23
_23 + 2 _21
Sustituyendo z por –23 en la ecuación (4) tenemos: w = =
4 4
_ _
Los valores obtenidos son: x = 9, y = 28, z = 23, w = 21
4
Ejemplo 5. Una empresa que fabrica computadores produce tres modelos con dife-
rentes capacidades en memoria RAM. La producción (en miles) se realiza en dos plan-
tas A y B.
La capacidad de producción de computadores (miles de unidades) en cada planta por
modelo y capacidad de memoria se muestra en las siguientes tablas.
PLANTA A Modelo I Modelo II Modelo III

64 RAM 4 9 7
32 RAM 6 20 1
128 RAM 7 2 3
PLANTA B Modelo I Modelo II Modelo III

64 RAM 7 4 6
32 RAM 2 9 12
128 RAM 8 2 4
a) ¿Cual es la capacidad total de producción de las 2 plantas, por

capacidad de memoria y por modelo?
b) Si la empresa desea incrementar la producción en la planta B en un
10%. ¿Cuál será la nueva producción?
Solución.
a) La producción total (en miles) de las dos plantas A y B se obtiene
mediante la suma de las matrices.
LM4 9 7 OP LM7 4 6 OP
11 LM 13 13 OP
A + B = M6 20 1 PP + MM28 9 12 = 8 PP MM 29 13 PP
MN7 2 3 Q N 2 4 15 Q N 4 7 Q
Los elementos de la matriz A+B se pueden interpretar de la si-
guiente forma:
Por ejemplo el elemento de c11 de A+B indica que la capacidad
total de las dos plantas es de 11.000 computadores con memoria 64
RAM y del Modelo I.
b) Si la planta B desea incrementar la producción (en miles) en un Sigma
10% la nueva producción está dada por la matriz. Es el símbolo
LM
7 4 6 OP LM7.7 4.4 6.6 OP denotado por Σ,
que significa
. B = 11
11
MN
. 2 9 12
8 2 4 PQ =
MN28..28 9.9 13.2
2.2 4.4 PQ sumar en forma
abreviada
Esto significa por ejemplo que hay c23 = 13.200 computadores Mo-
delo III y con una capacidad de 32 RAM de memoria
Símbolo de sumatoria o notación sigma.

El símbolo de sumatoria o notación sigma Σ, se utiliza para re-
presentar sumas en forma abreviada.
Se lee: la sumatoria de a sub i, con i tomando valores de 1 hasta n
n i : índice de la sumatoria
Σ ai =1
a1 + a2 + ...+ an
442443 1 : límite inferior
i =1
n - términos
n : límite superior
5
Ejemplo 6. Σ ai = a 1 + a 2 + a 3 + a 4 + a 5
i =1
n
Ejemplo 7. Σ a jb j
j =1
= a1 b1 + a2 b2 + ... + an bn
12 ALGEBRA LINEAL
n
Ejemplo 8. Σ (2 j − 1) = 1 + 3 + 5 + ... + (2n − 1)
j =1
3
Ejemplo 9. Σ g(t) = g (0) + g (1) + g (2) + g (3)
t =0
3
Σ2 = 21 + 2 2 + 2 3 = 2 + 4 + 8 = 14
i
Ejemplo 10.
i =1
4 ( −1) i ( −1) 0 ( −1)1 ( −1) 2 ( −1) 3 ( −1) 4

Ejemplo 11. Σ
i =0 i +1
= + +
0 + 1 1+ 1 2 + 1
+ +
3+1 4 +1
1 1 1 1 1 60 − 30 + 20 − 15 + 12 47
= − + − + = =
1 2 3 4 5 60 60
Propiedades de la sumatoria
N
1. Asociativa: una sumatoria Σ ai se puede descomponer en
i=1
dos o más sumatorias parciales, sin que se altere la suma

total. Así: si n1 < n2 < nk, se tiene:
N n1 n2 n3 N
Σ ai = Σ ai + Σ ai + Σ ai + ... + Σ ai
i=1 i=1 i=n1 + 1 i=n2 + 1 i=nk + 1 Propiedades de
la sumatoria
n n n
• Asociativa
2. Aditiva: Σ (a j + b j ) = Σ a j + Σ b j • Aditiva
j=1 j=1 j=1
• Homogénea
3. Homogénea. Los factores constantes se pueden extraer del
n n
Σ c.ht = c Σ ht
símbolo de la suma así: t=0 t=0
n
Σ c = c + c + ... + c = nc
4. Suma de una constante: i=1 14243
n - términos
Ejemplo 12. Si n1 = 5, n2 = 14 y N = 20,
20 5 14 20
entonces: Σ ai = Σ ai + Σ ai + Σ ai
i=1 i =1 i =6 i = 15
4 4
Ejemplo 13. Si Σ ai =10, Σ bi = 4
i =1 i =1
4 4 4
Encontrar: a) Σ (ai + bi ), b) Σ 3ai , c) Σ (2ai − 3bi ) ,
i =1 i =1 i=1
Solución. Aplicando las propiedades de la sumatoria tenemos:

4 4 4
a) Σ (ai + bi ) = Σ ai + Σ bi = 10 + 4 = 14
i =1 i =1 i =1
4 4
b) Σ 3ai = 3 Σ ai = 3(10) = 30
i =1 i =1
4 4 4 4 4
c) Σ ( 2 ai − 3bi ) = Σ 2 ai + Σ ( − 3bi ) = 2 Σ ai − 3 Σ bi
i =1 i =1 i =1 i =1 i =1
= 2(10) − 3(4) = 20 − 12 = 8
10 20 20 20
Ejemplo 14. Si Σ ai = 4, Σ ai = − 2 Encontrar: a) Σ ai b) Σ (5ai + 4)
j =1 j = 11 j=1 j=1
Solución. Aplicando propiedades

20 10 20
a) Σ ai = Σ ai + Σ ai = 4 + ( −2) = 2
j =1 j =1 j = 11
20 20 20 20 20
b) Σ (5ai + 4) = Σ 5ai + Σ 4 = 5 Σ ai + Σ 4
j =1 j =1 j =1 j =1 j =1
20
Teniendo en cuenta que por el resultado obtenido en a) Σ ai = 2 y por la propiedad de
j =1
n 20
la suma de una constante Σ c = nc tenemos Σ (5ai + 4) = 5(2) + 4 (20) = 10 + 80 = 90
i =1 j =1
n FG m IJ m FG n IJ
Ejemplo 15. Utilizando la propiedad: i Σ Σ aij = Σ Σ aij
=1 j =1 j =1 i =1 H K H K
2 3 3 2
Verifique que: Σ Σ aij = Σ Σ aij
i =1 j =1 j =1 i =1
Solución. Desarrollando el miembro izquierdo de la igualdad:

14 ALGEBRA LINEAL
2 3 2
Σ Σ aij = Σ ( ai1 + ai2 + ai3 ) = ( a11 + a12 + a13 ) + (a21 + a22 + a23 )
i =1 j =1 i=1
asociando y conmutando tenemos:
= ( a11 + a21 ) + ( a12 + a 22 ) + ( a13 + a 23 )

desarrollando el miembro derecho de la igualdad:
3 2 3
Σ Σ aij = Σ (a1j + a2j ) = (a11 + a21 ) + (a12 + a22 ) + (a13 + a23 )
j =1 i =1 j =1
Al desarrollar los dos miembros de la igualdad obtenemos el mismo

2 3 3 2
resultado, por lo tanto: Σ Σ aij = Σ Σ aij
i =1 j =1 j =1 i =1
Expresión abreviada de productos matriciales.

El producto de una matriz fila de orden 1 x n y una matriz colum-
na de orden n x 1 se define como:
LMb OP
1
a1 a2 ...an MMbM PP = a b + a b
2
1 1 2 2 + ... + anbn
Nb Q
n
Como el producto es una matriz de orden 1x1 omitiremos el

paréntesis en el resultado. Este producto se simboliza así:
LMb OP
1
MMbM PP = Σ a b
n
a1 a2 ...an 2
i i
Nb Q
i=1
n
LM7OP
yB=M P
2 Producto de
Ejemplo 16. Si A = 3 2 4 6 determine AB
MN14PQ matrices
realizable o
conforme
LM7OP Cuando el
número de
MMN1 PPQ
Solución: AB = 3 2 4 6 . 24 = (3 x 7) + (2 x 2) + (4 x 4) + (6 x 1) = 47 columnas de A
es igual al
número de filas
Para matrices de orden 1 x 1 omitiremos el paréntesis. de B.
Ejemplo 17. Una empresa que fabrica escritorios emplea tres insumos: madera,
aluminio, y hierro.
Sea A la matriz fila con el número de unidades respectivas de cada insumo necesa-
rias para producir un escritorio:
madera aluminio hierro

A=[ 3 2 1 ] unidades
Y sea la matriz columna B de costo por unidad de cada insumo respectivamente

(unidades en miles de pesos)
Costo por unidad
LM OP
7 Madera
B = 20 Aluminio
MN
4 HierroPQ
Se quiere saber cual es el costo total de producir un 1 escritorio.
7 LM OP
Solución. AB = 3 2 1 20 = 21 + 40 + 4 = 65
4 MN PQ
Significa que el costo para producir un escritorio es de $65.000
Producto de matrices
Sean A = [aij] una matriz de orden m x p y B = [bij] una matriz de orden p x n. El
producto AB se define como la matriz C = [cij] de orden m x n, donde el elemento
i, j-ésimo cij viene dado por:
LMb OP
1j
MMbM PP
p
cij = ai1 ai2 ... ain
2j
= Σ aik bkj
MN;
b PQ
1442443 k =1
fila i de A nj
columna j de B
Nota: decimos que A es conforme con B para la multiplicación A • B, cuando el número

de columnas de A es igual a número de filas de B.
16 ALGEBRA LINEAL
Ejemplo 18. Considere las matrices:

LM 1 4 6 5 LM
A= MM 7 8 9 9 MM
MN 7 4 2 2
MN
→
→
→
4 columnas
LM 7 7 8 6 9 7 1 LM →
B= MM-12 4
6
9
10
7
2
1
5
2
2
1
1
MM →
→
4 filas
MN 0 7 1 4 4 2 1 MN →
La multiplicación AB se puede realizar puesto que la matriz A tiene 4 columnas y B

tiene 4 filas. Mientras que el producto B • A no está definido porque el número de colum-
nas de B no es igual al número de filas de A. (B tiene 7 columnas y A tiene 3 filas)
Ejemplo 19. Calcular A • B y B • A, si existen:

LM4 6 OP LM4 6 0 OP
A=
N7 1Q 2 x2
B=
N2 1 3 Q 2 x3
Solución. La matriz A es de orden 2 x 2 y B de orden 2 x 3 luego la matriz C = A • B

está definida y es de orden 2 x 3, puesto que el número de columnas de A es igual al
número de filas de B.
LMcc OP
N Q
11 c12 c13
Sea C = A • B donde C = c22 c23
21
Para determinar el elemento cij de la matriz C se multiplica la i-ésima fila de A, por la

j-ésima columna de B.
Por ejemplo para calcular c21 se suman los productos entre los elementos la fila 2 de
A y los elementos correspondientes de la primera columna de B así:
LM42OP = 28 + 2 = 30
c21 = 7 1
NQ
Al realizar la multiplicación con todo detalle tenemos :
LM 4 6 L4O LM6OP LM0OP OP

LM4 6 OP LM4 6 0 OP = M MN2PQ 4 6
N1 Q 4 6
N3Q P
A•B=
N7 1Q2 x 2 N2 1 3Q2 x 3 MM 7 1 LM4OP LM6OP LM0OP PP
N N2 Q N1Q N3Q Q
7 1 7 1
=
LM4(4) + 6(2) 4(6) + 6(1) 4(0) + 6(3) OP =
LM28 30 18 OP
N7(4) + 1(2) 7(6) + 1(1) 7(0) + 1(3) Q N30 43 3 Q 2 x3
El producto BA no está definido porque el número de columnas de B no es igual al

número de filas de A. (B tiene 3 columnas y A tiene 2 filas)
Ejemplo 20. La oficina de estadística ha indagado los precios por libra de tres legu-
minosas: lenteja, fríjol y garbanzo en tres tiendas: A, B, C. Los precios en este orden de
los productos son: para la tienda A: $1.500, $2.300, $2.000; para la tienda B: $1.200,
$3.000, $2.000; para la tienda C: $1.300, $2.000, $1.800. La oficina quiere saber el costo
total que una persona tiene que pagar en cada tienda por la compra de 5 libras de lenteja,
3 libras de fríjol y 4 libras de garbanzo.
Solución. Representamos por A la matriz de precios por tienda y por producto y por
B la matriz correspondiente al número de libras requeridas de cada producto.
lenteja fríjol garbanzo N° de libras
tienda A LM 1500 2300 2000 OP lenteja LM5 OP
A = tienda B B=
tienda C MN 1200
1300
3000
2000
2000
1800 PQ fríjol
garbanzo MN34PQ
Luego el producto AB representa la matriz de costo por tienda.
LM1500 2300 2000 OP LM5OP LM1500(5) + 2300(3) + 2000( 4) 22400 OP LM OP
MN1200
1300
3000 2000
2000 1800 PQ MN34PQ = MN1200(5)
1300(5)
+ 3000(3) + 2000( 4) = 23000
+ 2000(3) + 1800(4) 19700 PQ MN PQ
Por la compra de 5 libras de lenteja, 3 libras de fríjol y 4 libras de garbanzo, se deben
pagar $22.400 en la tienda A, $23.000 en la tienda B y $19.700 en la tienda C.
EJERCICIO 1.2
1 2 −3 LM −3 5 6 OP 2 3 −5 LM OP LM OP
1. Sean las matrices A = −3 1 2 N
, B=
2 1 −2
y C=
Q−2 1 − 4 N Q N Q
Halle: a) A + (B+C) b) (A+B) + C c) _A + 2C d) A + 2B _ 3C
2. Verifique que:
2 2 2
a) Σ aik (bkj + ckj ) = Σ aik bkj + Σ aik ckj
k =1 k =1 k =1
2 3 3 2
b) Σ aik ( Σ bkh chj ) = Σ ( Σ aik bkh )chj
k =1 h =1 h=1 k =1
18 ALGEBRA LINEAL
c) Compruebe que no es cierta la siguiente igualdad:

n n n
Σ a k bk = ( Σ a k ) ( Σ bk ) Nota: tómese n = 3, a k = 1 , bk = k
k =1 k =1 k =1 k
3. Halle AB, siendo:
L1 1
OP LM 0 0 OP
A = M0
0 0 1
a)
MN0 1 0 2 , B=
0
0 PQ MM 1
0
0
1 PP
1 3 3
3 N 1 2 Q
LM1 1 0 0 0 0OP LM1 2 3 4 5 6 OP
MM20 1 0 0 0 0
PP MM23 3 4 5 6 7
PP LM1 OP LM 1 0OP
b) A = M PP MM4 PP
0 3 1 2 0 4 5 6 7 8 0 3
MM00
, B= c) A =
N0 , B=
Q MM−01 21PP
0
0
1
0
2
1
1
1
0
0 PP MM9
5
8
6
7
7
6
8
5
9
4 PP
1 2
N Q
MN0 0 0 0 0 1 Q N8 7 6 5 4 1 Q
LM x y OP = LM x 6 OP + LM 4 x + yOP
4. Halle x, y, z y w tales que 3
Nz wQ N−1 2wQ Nz + w 3 Q
5. Sean, A =
LM7 2OP , B=
LM3 1 OP , C=
LM−2 4 OP , calcule:
N1 3Q N1 5Q N−5 3Q
a) A(BC) b) (AB)C c) AB + B d) AA = A2 e) –3C + AC f) (A+B)2
L2 OP LM x OP LM−2OP
a ) M−5
3 4
6. Calcule los siguientes productos
MM 4 1 2
PP MMzyPP b) 2 1 5 −2 MM−31PP
N −7 2 QN Q MN−5PQ
LM1 1 1 OP
7. Utilice la definición A n = A x A x ... x A para calcular A 3, si: A = 0
1442443
n veces
MN0 1 1
0 1 PQ
recuerde que A3 = A A2 = AAA
8. Sea A =
LM1 − 1OP , Halle una matriz cuadrada X de orden 2 tal que: AX = I
N3 2 Q
LM1 −1 OP LM1 1OP

9. Verifique que A =
N2 −1
y
Q B=
N4 − 1Q
Satisfacen la igualdad (A+B)2 = A2 + B2
10. Resuelva las siguientes ecuaciones matriciales lineales, donde In,

es la matriz. Identidad de orden n x n
LM 6 5OP 5 1 0 LM OP
a) 6 A + 3 I 2 =
N−2 4Q b) 4 A + 6 I 3 = 3 2 1
0 0 1 MN PQ
11. En los siguientes problemas escriba explícitamente el significado
de cada suma:
n n n
a) Σ λ ( a j + b j ) b) Σ ( aij b j + c j + 2) c) Σ ( −1) j a j
j=1 j=1 j=1
7 7 10
d) Σ ( yk + k ) e) Σ ( −1) 2 k a2 k -1 f) Σ ( −1)2 2i+1 (a2i + bi + 2 )
k=2 k =1 i=4
12. Sean: A =
LM1 3 −2 OP B=
LM0 −1 3 OP C=
LM1 1 1 OP
N4 1 7 Q N2 0 1 Q N2 2 2 Q
Encuentre una matriz D tal que A + 2B – C + D = 02x3
13. Sea A una matriz de 3 x 2, B una matriz 3 x 4, C una matriz 4 x 2,

y D una matriz 2 x 3. Determine cuáles de las siguientes matrices
están definidas. Si la matriz está definida, proporcione su orden.
a) AB b) AC c) AD d) DA
e) DB f ) DC g) (AD)B h) D(BA) Costos fijos
Son gastos en los
que incurre la
L0 OP compañía,
14. Sea: A = M0
1 2 a) Encuentre A2 y A3. independien-
MM0 0 3
PP b) Obtenga una matriz A tal que: temente de la
N 0 0 Q A ≠ 0, A2 ≠ 0, A3 ≠ 0, pero A4 = 0 producción
1 −3
15. Dadas las matrices: A = 2 1
LM OP B=
LM−1 0 OP C=
LM−1 3OP
N Q N 1 2Q N−1 − 1Q
Encuentre una matriz D2x2, tal que: A2 + 2BC –AD = I2
20 ALGEBRA LINEAL
16. Una compañía tiene plantas en tres localidades, X, Y y Z, y cuatro

bodegas en los lugares A,B,C, y D. El costo en dólares de trans-
portar cada unidad de su producto de una planta a una bodega está
dado por la matriz siguiente:
X Y Z
A LM10 12 15 OP Costo total
MM13 12 P
Es la suma de los
P
B 10 costos fijos más
MM 8 6P
los costos
P
C 15 variables
D MN16 9 10PQ
Si por razones arancelarias el costo de transporte sube en un 20%,

¿Cuál será la nueva matriz de costo?
17. Un contratista calcula que los costos en dólares para adquirir y

transportar unidades determinadas de concreto, madera y acero Costos variables
desde tres diferentes localidades están dados por las matrices si- Son gastos que
guientes, (una matriz por cada localidad). varían de acuerdo
L20 OP
al número de
A=M
35 25 Costos de material unidades o
N8 Q
10 6 Costos de transporte
artículos
producidos.
L22
B= M
36 24 O Costos de material
P
N9 9 8 Q Costos de transporte
L18
C= M
32 26O Costos de material
P
N11 8 5 Q Costos de transporte
Escriba la matriz que representa los costos totales de material y de

transporte por unidades de concreto, madera y acero.
18. Un fabricante de zapatos los produce en color negro, gris y blanco

para niños, mujeres y hombres. La capacidad de producción en
miles de pares en la planta A está dada por la matriz siguiente:
H M N H M N
LM
Negro 30 34 20 OP La producción LM
Negro 35 30 26 OP
MM
Gris 45 20 16 PP en la planta B MM
Gris 52 25 18 PP
N
Blanco 14 26 25 Q está dada por:
N
Blanco 23 24 32 Q
a) Determine la representación matricial de la producción total de

cada tipo de zapato en ambas plantas.
b) Si la producción en la planta A se incrementa en un 50% y la
planta B en un 25%, encuentre la matriz que representa la nueva
producción total de cada tipo de calzado.
19. Valoración de inventarios. En un almacén de venta de bicicle-

tas, se venden ciclas de diferente tamaño según el número del
marco; los marcos se clasifican en número 18, 24, 28, 32, cada
marco número 18 tiene un valor de US $300, cada marco número
24 tiene un precio de US $400, cada marco número 28, tiene un
valor de US $600, cada marco número 32 tiene un valor de US Inventarios
$800. Son las
cantidades de
Si se tienen 20 marcos número 18, 30 marcos número 24, 40 mar- artículos o
cos número 28, 50 marcos número 32. Exprese el precio de venta materiales
almacenados, en
total de su existencia de marcos para bicicleta como el producto espera de ser
entre dos matrices. utilizados.
20. Costos de suministros. Un transportador de lácteos calcula que

el costo (en dólares) de transportar y distribuir leche, yogurt y queso
desde la fábrica a tres barrios de la ciudad, puede mostrarse me-
diante un arreglo matricial, tomando una matriz para cada localidad.
Leche Yogurt Queso
A=
LM12 15 32 OP
MN 8 21 36PQ
L15
B=M
12 20O
P
NM20 30 10PQ
C=M
L40 50 60O
P
NM10 20 30PQ
Donde la primera fila de cada matriz se asocia con el costo de

transporte y la segunda fila con el costo de distribución.
Escriba la matriz que represente los costos totales de material y de
transporte por unidades de leche, yogurt y queso desde cada una
de las localidades.
21. Comercialización internacional. En el año de 1999 el comercio

entre los países de Japón, México, Colombia y Honduras (en mi-
llones de dólares), está dado por la matriz:
22 ALGEBRA LINEAL
A = [cij]4 x 4, en donde cij, representa las exportaciones del país i al

país j.
LM0 12 3 6 OP
A=M PP
5 6 20 10
MN18
12 15
14
45 12
0 3 Q
El comercio en estos cuatro países durante el año 2000 (en millo-
nes de dólares) está dado por la matriz B.
LM0 12 23 20 OP
B= M PP
15 15 16 13
MN18
12
19
17
14
15
15
16 Q
a. Escriba una matriz que represente el comercio total entre los cua-
tro países en el período de un año.
b. Si en los años 1999 y 2000 un peso colombiano valía 0.0005 dóla-
res, escriba la matriz que representa el comercio total en Colombia
en esos años.
22. Matrices de producción. Una empresa produce tres tipos de te-

clados en tres calidades diferentes. La producción (en miles) en su
planta de Bogotá, está dada por la matriz siguiente:
LM20 OP
Producción
30 10 Es la transforma-
MN1060 50
20
40
10 PQ ción de los
recursos de una
organización, en
Donde las filas indican calidad y las columnas indican tipo de te- productos.
clado. (Primera columna tipo 1 etc).
La producción en miles de la planta de la ciudad de Cali está dada
por la matriz siguente:
LM12 20 60 OP
MN5030 15
20
50
10 PQ
a. Escriba una matriz que represente la producción total de teclados
en ambas plantas.
b. Si se instalara una planta en la ciudad de Medellín ésta tendría el
50% más de producción con respecto a las plantas de Bogotá y
Cali juntas. Escriba la matriz que represente la producción en la
ciudad de Medellín.
23. Matrices de producción. Un fabricante de camas produce tres

estilos; Luis XV, español y francés antiguo, en tres tamaños dife-
rentes, 1.90m x 1.20m, 1.90 x 1.30m, 1.90 x 1.40m. La capacidad de producción en

la planta ubicada en la ciudad de Bogotá, está dada por la matriz siguiente, donde las
filas significan los estilos de cama y las columnas los diferentes tamaños:
LM20 30 50 OP
MN1070 40
60
50
30 PQ
La producción en la planta de Medellín está dada por:
LM25 35 OP
25
MN10
15
60
25
54
35PQ
a. Determine la representación matricial de la producción total de cada tipo de cama
en ambas plantas.
b. Si la producción en Bogotá aumenta en un 20% y en Medellín en un 30% encuentre
la matriz que representa la nueva producción total.
24. En una empresa se fabrican pisos para casas de tres tipos: parqués, piso en tabla y
alfombra especial que matiza con la madera. Existen tres colores para cada uno de
los estilos: caoba, natural y mate. La siguiente matriz muestra la producción para un
almacén ubicado en Bogotá:
LM20 30 60 OP
MN1050 40
80
30
20 PQ
Las filas muestran los estilos y las columnas muestran los colores.
La siguiente matriz muestra la producción en la ciudad de Cali:
LM20 30 OP
60
MN50
50
10
40
30
30PQ
Obtenga la matriz que represente la producción total de las dos plantas.
25. Costos de transporte.Una empresa de lavandería tiene tres plantas en la ciudad de

Bogotá, ubicadas en los barrios Galerías, Lago y Chapinero, también tiene cuatro
puntos de distribución ubicados en los barrios Chicó, Villa luz, Niza y Salitre. El costo
(en dólares) de transportar cada pieza de ropa de las plantas a los centros de distri-
bución está dada por la matriz siguiente:
LM10. 3.2 6.3 2.0 OP
MN12
2.0
.
12
.
5.4
2.5
8.5
3.6
5.0 PQ
24 ALGEBRA LINEAL
Donde las filas indican las plantas, y las columnas los centros de distribución.
a. Si los costos de transporte se incrementan en US $2 por unidad, ¿Cuál es la nueva
matriz?
b. Si los costos de transporte se elevan en un 30%, escriba los nuevos costos en forma
matricial.
26. Matrices de producción. Una empresa produce tres tipos diferentes de camisas
en dos calidades diferentes. La producción (en miles) en una planta ubicada en la
ciudad de Medellín, está dada por la matriz siguiente, donde las filas indican la calidad,
y las columnas indican los tipos de camisas.
LM25 36 24 OP
N35 45 20 Q
La producción en miles de la planta ubicada en Itaguí está dada por la siguiente
matriz:
LM25 32 12 OP
N20 32 10 Q
Escriba la matriz que represente la producción total de camisas en ambas plantas.
27. Valoración de inventarios. Un comerciante de carros vende cinco marcas dife-

rentes a saber, Chevrolet, Ford, Mazda, Nissan y Honda. En este momento posee
para la venta 8 automóviles Chevrolet, 7 automóviles Ford, 10 automóviles Mazda,
15 automóviles Nissan y 4 automóviles Honda.
Los automóviles Chevrolet tienen un valor de US$ 16.000 dólares cada uno, Ford
tienen un valor de US$ 17.000 cada uno, Mazda tienen un valor de US$ 18.000 cada
uno, los Nissan un valor de US$ 20.000 cada uno, y los Honda como son modelo
2002 tienen un valor de US$ 25.000 cada uno. Exprese el precio de venta total de su
existencia de automóviles como el producto de dos matrices.
28. Costos de materias primas. En una fábrica de helados se utilizan cuatro diferentes
tipos de ingredientes. En la elaboración del helado se utilizan 3 unidades del ingre-
diente 1, 4 unidades del ingrediente 2, 8 unidades del ingrediente 3 y 10 unidades del
ingrediente 4. El costo por unidad de los cuatro ingredientes son respectivamente
(precios en dólares), $8, $10, $20 y $30. Expresar el costo total de los ingredientes
por unidad de producto como el producto de dos matrices.
29. Costos de materias primas. En una empresa de elaboración de galletas se produ-
cen dos tipos: wafer y saltines. La empresa utiliza tres tipos de harina para la elabo-
ración de las galletas, harina tipo 1, harina tipo 2, harina tipo 3, el número de gramos
de harina de cada tipo utilizados en la elaboración de una galleta wafer es respecti-
vamente 2, 4, 6, y el número de gramos de harina utilizados en cada galleta tipo
saltines es 3, 5, 7 respectivamente. Suponga que la empresa produce 30.000 unida-
des de galletas wafer y 40.000 unidades de galletas saltines en un día. Responda las
siguientes preguntas en términos de productos de matrices.
a. ¿Cuál es el consumo total diario de harina, por cada tipo de harina?
b. Si los costos por unidad (en dólares) para los diferentes tipos de harina son 8,10 y 12
dólares respectivamente ¿Cuáles son los costos de las materias primas (harina) por
unidad de cada tipo de galleta?
c. ¿Cuál es la cantidad total gastada diariamente en materia prima?
30. Para la biblioteca de un centro educativo se piden con cierta frecuencia libros a
diferentes editoriales, en esta ocasión se necesitan libros de: matemáticas, física,
geometría, trigonometría y política. Los precios puestos por cada editorial a cada
uno de los libros se muestran en la siguiente matriz:
LM
10 20 30 20 OP
5
A= 6
40MN 20
30
10
5
30
20
50
30PQ
En esta matriz cada fila se refiere a una editorial y las columnas a los diferentes
cursos, en el orden listado arriba. El centro educativo en este momento está abriendo
nuevas carreras y otras sedes, por lo que siempre hace el pedido a las mismas
editoriales con el fin de minimizar los costos de transporte. Existen en este momento
tres nuevas carreras de ingeniería, para efectos de dotar la biblioteca. Para la primera
carrera de ingeniería requiere: matemáticas 20 libros, física 30 libros, geometría 30
libros, trigonometría 40 libros y política 10 libros. Para la segunda carrera de ingenie-
ría requiere: matemática 30 libros, física 20 libros, geometría 50 libros, trigonometría
30 libros y política 20 libros. Para la tercera carrera de ingeniería requiere: 50 libros
para matemática, 30 libros para física, 20 libros para geometría, 40 libros para trigo-
nometría, y 50 libros para política. Haga una matriz B con los datos anteriores,
efectúe un producto con la matriz A, e interprete el resultado.
31. Pedidos de repuestos. Un distribuidor de repuestos para automóviles ha aceptado

pedidos para 10 automóviles marca Chevrolet, 14 marca ford y 24 marca mazda.
Suponga que los repuestos pedidos son radiadores, inyectores, tableros, rines y pas-
tillas para los frenos. Las filas de la siguiente matriz indican las diferentes marcas de
automóviles y las columnas indican los diferentes tipos de repuestos, el distribuidor
desea calcular la cantidad de cada tipo de repuestos para satisfacer todos sus pedi-
dos. Exprese el problema en forma de producto de matrices.
LM1 4 1 5 4 OP
MN21 2 1 5 4
6 1 5 4 PQ
26 ALGEBRA LINEAL
32. Producción de helados. Un almacén de helados vende 200 helados de fresa, 300
de chocolate, 400 de leche y 100 de arequipe. Los precios por helado son de US $ 2,
US$ 3, US$ 4, US$ 5, respectivamente. Encuentre el costo total de los helados
utilizando producto de matrices.
33. Valoración de inventarios. Un vendedor de calculadoras, ofrece calculadoras

Hewlett Packard de cuatro clases distintas; A, B, C y D, las calculadoras tipo A
tienen un precio a la venta de US$ 125, las tipo B tienen un precio de US$ 150, y las
tipo C un precio de US$ 200. Exprese la venta total como un producto de matrices,
si el comerciante tiene 20 calculadoras tipo A, 30 calculadoras tipo B y 50 calcula-
doras tipo C.
34. En el salón de onces las galletas de la abuela, se elaboran cinco tipos de galletas
G1, G2, G3, G4, G5. El precio por unidad de cada clase de galletas es respectivamen-
te, 0.5, 0.8, 1, 1.2, 1.4, 1.5 dólares. Si se venden 400 unidades de las galletas tipo 1,
500 unidades de las galletas tipo 2, 800 unidades de las galletas tipo 3, 1000 galletas
de las tipo 4 y 500 unidades de las galletas tipo 5, calcule el resultado final de las
ventas como el producto de dos matrices.
35. Trabajo. Un fabricante de muebles tiene pedidos para dos juegos de sala, tres
juegos de comedor, cinco bibliotecas y seis mesas para escritorio. El fabricante
estima que requiere de 8 días para elaborar los juegos de sala, 14 días para elaborar
los juegos de comedor, 20 días para elaborar las bibliotecas y 14 días para elaborar
los escritorios.
a. Exprese las órdenes de trabajo o pedidos como una matriz fila.
b. Exprese los tiempos de elaboración de los diferentes productos como una matriz
columna.
c. Utilice el producto entre matrices para determinar el número total de días que se
requerirán para surtir los pedidos.
36. Una empresa paga a sus empleados según su cargo y su trabajo, por lo regular
cuando el trabajo es muy bueno la empresa entrega bonos en dólares. El año anterior
el presidente de la empresa recibió un sueldo adicional de $2´000.000 y un bono por
US$ 600, los tres vicepresidentes recibieron cada uno, $1´500.000 y un bono por
US$ 400, y el tesorero recibió $1´000.000 y un bono por US$ 300.
a. Exprese el pago en pesos y en dólares por medio de una matriz de 2x3.
b. Exprese el número de empleados como una matriz columna.
c. Utilice la multiplicación de matrices para calcular la cantidad total de dinero en
pesos y en dólares que la empresa entregó a sus funcionarios.
37. Una empresa encargada de fabricar tacos para el juego de billar utiliza tres clases
diferentes de madera a saber, cedro, guayacán y roble, que le permite construir dos
tipos diferentes de tacos. Un taco tipo A y un taco tipo B, la cantidad de madera
utilizada en fabricar una unidad de la clase de taco A es: tres piezas de cedro, dos
piezas de guayacán y cinco piezas de roble. Por cada unidad de los tacos tipo B
invierte 4 piezas de cedro, 6 piezas de guayacán y 8 piezas de roble. En la semana
produce 70 unidades del taco tipo A y 80 unidades del taco tipo B. Exprese las
siguientes respuestas como productos de matrices.
a. ¿Cuál es el consumo semanal de madera de cada tipo?
b. Si los costos por unidad (en dólares) para la madera, cedro, guayacán y roble son 20,
30, 40 respectivamente, ¿cuáles son los costos de madera por unidad del taco tipo A
y del taco tipo B?
c. ¿Cuál es la cantidad total gastada en madera a la semana en la producción del taco
tipo A y el taco tipo B?.
38. La empresa pintas y pintores es la encargada de pintar casas y oficinas en diferen-

tes partes del país. Para un determinado proyecto requiere de pinturas color verde,
azul, crema, blanco y verde oliva, de cualquiera de tres proveedores. Los precios
que cada proveedor fija a cada unidad de estos cinco colores están dados en la
matriz A.
2 LM 3 5 6 8 OP
A= 4
4 MN 2
5
2 5 6
3 2 1 PQ
En esta matriz cada renglón se refiere a un proveedor y cada columna a un color.
Existen en el momento tres edificios en construcción: el edificio número I requiere
de 3 canecas de pintura verde, 5 canecas de pintura azul, 5 canecas de pintura
crema, 7 canecas de pintura blanca y 8 canecas de pintura verde oliva. El edificio
número II requiere 4,5,6,8,9 canecas respectivamente, y el edificio número III re-
quiere 4,5,7,8,9 canecas respectivamente.
a. Diseñe una matriz de 5x3 de tal forma que se pueda disponer de esta información.
b. Forme una matriz producto AxB e interprete los elementos de ese producto y decida
cuál proveedor debería usar en cada edificio.
39. Un empresario de frutas se encarga de distribuir frutas a varios hipermercados en la

ciudad de Bogotá. Por una carga de manzanas cobra 20 dólares, por una de peras
30 dólares, por una de mandarinas 30 y por una de uvas 50. Si tiene que transportar
40 cargas de manzana, 40 de peras, 50 de mandarinas y 50 de uvas, halle el precio
del transporte de las frutas utilizando un producto de matrices.
28 ALGEBRA LINEAL
1.3 PROPIEDADES DE LAS OPERACIONES ENTRE

MATRICES
Propiedades de las operaciones entre matrices
Sean A, B y C matrices conformes para las operaciones indica-
das, k, l escalares.
1. A+B=B+A
2. A +(B + C) = (A + B) + C
3. A + 0 = A donde 0 es la matriz nula
4. A + (-A) = (-A) + A = 0
5. k(A + B) = kA + kB
6. (k + l)A = kA + lA
7. (k (lA)) = (kl)A
8. A(B + C) = AB + AC
9. (A + B) C = AC + BC
10. A(BC) = (AB)C
Propiedades de
Ejemplo 1. Verificar la propiedad (2): A + (B+C) = (A+B) + C las operaciones
LM
2 4 6 OP LM
7 -1 0 OP
1 0 0 LM OP entre matrices
• Conmutativa:
MN PQ MN PQ
Sean: A = 7 1 9 , B = 0 0 - 1 y C = 4 6 2 entonces:
0 0 2 -1 1 1 7 2 1 MN PQ (respecto de la
adición)
• Asociativa:
L2 4 6 O F L 7 − 1 0OP LM1 0 0OPI (respecto de la
A + (B + C) = M7 1 9P + G M 0
MN0 0 2 PQ GH MN−1 01 − 11PQ + MN47 62 12 PQJJK =
adición)
• Modulativa:
(respecto de la
LM2 4 6 OP LM8 − 1 0OP LM10 3 6 OP

adición)
• Invertiva:
MN70 10 29PQ + MN46 36 12PQ = MN116 73 104 PQ , por otro lado:

(respecto de la
adición)
•Distributiva
F L2 4 6 O L 7 − 1 0OI L1 0 0O
(A + B) + C = G M7 1 9P + M 0
GH MN0 0 2 PQ MN−1 10 − 11PPQJJK + MMN47 62 21PPQ
L 9 3 6O L1 0 0O L10 3 6O
= M 7 1 8 P + M4 6 2 P = M11 7 10 P
MN−1 1 3 PQ MN7 2 1 PQ MN6 3 4 PQ
Ejemplo 2. Verificar la propiedad (5): k(A + B) = kA + kB

LM
1 2 0 OP
1 4 2 LM OP
Sean: A = 0 1 3 , B = 0 1 3 y sea k = 3, entonces:
MN
4 2 0 PQ
2 −1 0 MN PQ
2 6 2LM OP LM
6 18 6 OP
3(A + B) = 3 0 2 6 = 0 6 18 , ahora:
6 1 0 MN PQ MN
18 3 0 PQ
L1 2 0O L3 6 0O L1 4 2 O L3 12 6O
kA = 3 M0 1 3P = M0 3 9 P y kB = 3 M0 1 3 P = M0 3 9P
MN4 2 0 PQ MN12 6 0PQ MN2 - 1 0PQ MN6 − 3 0 PQ
L3 6 0O L3 12 6OP LM 6 18 6 OP
por lo tanto: kA + kB = M0 3 9 P + M0
MN12 6 0PQ MN6 − 33 09PQ = MN180 36 180 PQ
Ejemplo 3. Verificar la propiedad (8): A(B + C) = AB + AC
LM1 2OP , B = LM 3 4 OP y C = LM0 7OP, entonces: No
Sean: A =
N0 3 Q N−1 4Q N2 1 Q
conmutatividad
El producto de
1 2 O F L 3 4 O L0 7OI L1 2O L3 11O L5 21O

A(B + C) = LM
matrices en
N0 3 PQ GH MN−1 4PQ + MN2 1PQJK = MN0 3 PQ MN1 5 PQ = MN3 15PQ

general no es
conmutativo:
A•B≠B•A
Ahora: AB + AC = LM
1 2 O L 3 4 O L1 2 O L0 7 O
N0 3 PQ MN−1 4PQ + MN0 3PQ MN2 1PQ
= LM
1 12O L4 9O L5 21O
N−3 12 PQ + MN6 3PQ = MN3 15PQ
Ejemplo 4. Verificar que: (AB)C = A(BC)
LM2 1 OP , B = LM2 2OP y C = LM 0 1OP , entonces
Sean A =
N0 2Q N2 4Q N−1 0 Q
F L 2 1OP LM 2 2 OP IJ LM 0 1OP = LM 6 8 OP LM 0 1 OP = LM −8 6 OP
(AB)C = G M
H N 0 2 Q N 2 4 Q K N − 1 0 Q N 4 8 Q N −1 0 Q N − 8 4 Q
Por otra parte
LM2 1 OP FG LM2 2OP LM 0 1OP IJ = LM2 1OP LM−2 2OP = LM−8 6OP
A ( BC) =
N0 2Q H N2 4Q N−1 0 Q K N0 2Q N−4 2Q N−8 4Q
30 ALGEBRA LINEAL
Nota: a diferencia de las operaciones con números reales.

1) AB ≠ BA
2) Si AB = 0 no necesariamente A = 0 o B = 0 (0 es la matriz nula)
3) Si AB = AC no necesariamente B = C
Ejemplo 5. Verificar que si AB = 0, no necesariamente A = 0 o B = 0 ( Matriz nula)

LM 2 − 2OP y B = LM3 2OP , entonces :
Sean A =
N − 1 1Q N3 2 Q
LM 2 − 2OP LM3 2OP = LM0 0OP, pero las matrices LM 2 − 2OP LM3 2OP , no son matrices nulas
N−1 1Q N3 2Q N0 0Q N − 1 1Q N 3 2 Q
Ejemplo 6. Verificar que si AB = AC, no necesariamente B = C.
Sean A =
LM 2 − 2OP , B = LM3 2OP y C = LM5 7OP, entonces :
N−1 1Q N3 2Q N5 7Q
AB = LM
2 − 2 O L 3 2 O L 0 0O
= M P y AC = LM
2 − 2 O L5 7 O L0 0O
N − 1 1 P M
QN Q N Q
3 2 P 0 0 N 1 1PQ MN5 7PQ = MN0 0PQ,
−
tenemos que AB = AC, pero: B = LM

3 2 O L5 7 O
N3 2PQ ≠ MN5 7PQ = C
EJERCICIO 1.3
1. Sean las matrices siguientes:
LM 3 2OP , B = LM4 0OP , C = LM0 − 1OP ,a = − 3 y b = 2
A=
N−1 3Q N1 5Q N4 6 Q
Compruebe que :
a. A + (B+C) = (A+B) + C b. (AB)C = A(BC)
c. (a + b)C = aC + bC d. a(B _ C) = aB _ aC
e. a(BC) = (aB)C = B(aC) f. A(B _ C) = AB _ AC
2. Dé un ejemplo de dos matrices 2 x 2 tales que: si AB = 0 no necesariamente A = 0 o

B = 0 (0 es la matriz nula).
3. Dé un ejemplo de tres matrices 2 x 2 tales que: si AB = AC no necesariamente B = C
1 −2LM 5 OP 4 LM −2 4 OP
4. Dadas las matrices A = 4 − 3 , B= 1 5 − 1 , verifique que AB ≠ BA.
1
1
4 MN −2 PQ 3 MN −3 0 PQ
LM OP
2 3 −2 1 LM OP
N Q N Q
5. Si A = 1 0 y B = 1 − 1 verifique que (AB) ≠ A B
2 2 2
LM
2 −1 4
6. Sean A = 1
1 OP LM 3 −1 OP
3 2 y B= 1
MN
6 2 5 −1 PQ MN 5
3 4 PQ
4 , verifique que (A + B)2 ≠ A2 + 2AB + B2
7. ¿Qué condiciones deben satisfacer las matrices A y B, para que se cumpla:

(A+B)2 = A2 + 2AB + B2?
8. Sean A y B matrices cuadradas del mismo orden. ¿Es (AB)2 = A2B2? Justifique su
respuesta.
1.4 TIPOS ESPECIALES DE MATRICES

Diagonal principal: la diagonal principal de una matriz cuadrada A = [aij] de
orden n x n es el conjunto de elementos {a11, a22, ...,ann} = diag (A)
LM OP
l q
3 0 1
Ejemplo 1. A = 0 2 0 , diag( A ) = 3, 2 ,1
0 0 1 MN PQ
Matriz triangular superior: se dice que una matriz cuadrada es triangular su-
perior si todos los elementos que están debajo de la diagonal principal son iguales
a cero.
La matriz A = [aij]n x n es triangular superior si aij = 0 para i > j
Matriz triangular inferior: una matriz cuadrada es triangular inferior si todos

los elementos que están por encima de la diagonal principal son iguales a cero.
La matriz A = [aij]n x n es triangular inferior si aij = 0 para i < j
Matriz triangular: si una matriz es triangular superior o inferior se dice que es

triangular.
3 0 1
Ejemplo 2. Triangular superior: A = 0 1 0
LM OP
0 0 1 MN PQ
32 ALGEBRA LINEAL
4 0 0 LM OP
Ejemplo 3. Triangular inferior: A = 0 1 0
5 0 1 MN PQ
Matriz diagonal: una matriz cuadrada es diagonal si los ele-
mentos no diagonales son todos nulos.
A = [aij]n x n donde aij = 0, Para todo i ≠ j
3 0 0 LM OP
Ejemplo 4. Matriz diagonal A = 0 − 1 0
0 0 2 MN PQ
Nota: A es a la vez triangular superior e inferior.
Matriz escalar: una matriz diagonal es escalar, si los elemen-

tos diagonales son iguales, y los elementos que no pertenecen a
la diagonal son iguales a cero.
RSk para i = j donde k ∈ R
A = aij
nxn
donde aij
T0 para i ≠ j Matriz identidad
Es una matriz
LM OP
cuadrada cuya
2 0 0 diagonal
Ejemplo 5. Matriz escalar A = 0 2 0
0 0 2 MN PQ principal está
compuesta por
unos y los demás
elementos son
Matriz identidad: la matriz identidad In de orden n x n es una ceros.
matriz diagonal cuya diagonal principal está compuesta por unos.
Es decir, I = [δij], donde
δ ij =
RS1, si i = j
T0, si i ≠ j
Ejemplo 6.
LM1 0 0OP Matriz identidad LM1 0OP, Matriz identidad
I3
MN0 0 1PQ de orden 3 x 3
= 0 1 0 , I2 =
N0 1Q de orden 2 x 2
Matrices que conmutan: dos matrices cuadradas de orden

n x n conmutan si y solo si: A • B = B • A
LM1 2OP y B = LM3 4OP , entonces:

Ejemplo 7. Sean A =
N2 1Q N4 3Q
A ⋅ B= L12 21O ⋅ L3
MN PQ MN4 3OPQ = LMN10 11OPQ
4 11 10
B ⋅ A = L3
MN4 43OPQ ⋅ LMN12 21OPQ = LMN11 10O
10 11PQ
Estas dos matrices cumplen que: A • B = B • A, luego A y B conmutan. Matriz
idempotente
Es una matriz
Matriz idempotente: una matriz cuadrada A es idempotente cuadrada donde:
si: A2 = A. A2 = A
LM
2 −2 −4 OP
Ejemplo 8. A = −1 3 4
1 −2 −3MN PQ es idempotente, comprobación:
L 2 − 2 − 4 OP LM 2 − 2 − 4 OP LM 2 − 2 − 4 OP
= M−1
A2
MN 1 − 23 − 43 PQ ⋅ MN−11 − 23 − 43 PQ = MN−11 − 23 − 43 PQ = A
LM 21 4 OP
Ejemplo 9. Sea A =
MM 1 1 PP , entonces A 2
= A , es decir:
N8 2 Q
Matriz
triangular
superior
LM 21 2 OP LM 21 2 OP LM 21 2 OP Si todos los
elementos que
A =2
MM 1 1 PP MM 1 1 PP = MM 1 1 PP = A estan debajo de
N8 2 Q N8 2 Q N8 2 Q la diagonal son
ceros.
Matriz nilpotente: una matriz cuadrada A tal que Ap = 0 y Ap-1 ≠ 0,

siendo p > 1 un número entero positivo, se denomina nilpotente
de índice p.
34 ALGEBRA LINEAL
1 1 LM OP
N Q
Ejemplo 10. Sea A = −1 − 1 y p = 2, entonces A2 = 0, es decir:
LM 1 1OP = LM 1 1OP ⋅ LM 1 1OP = LM0 0OP = 0

2
A2 =
N−1 − 1Q N−1 − 1Q N−1 − 1Q N0 0Q 2x2
EJERCICIO 1.4
1. Exprese las siguientes matrices como la suma de una matriz trian-
gular superior con una matriz triangular inferior. Matriz
LM 1 2 4 OP LM OP LM OP
triangular
N Q
b) 3
N Q
a ) −1 3 3 5 c) −52 30
inferior
MN0 2 1 PQ 4 6 Si todos los
elementos que
estan por encima
de la diagonal
2. Una matriz se dice que es involutiva si A2 = I. Determine si las
principal son
siguientes matrices son involutivas: ceros.
LM0 1 −1OP LM 4 3 OP
3
MM 3
a) A = 4 −3 4
PP MM − 4
b) A = −1 0 −1
PP
N −3 4 Q N −4 −3 Q
3. Una matriz C se dice que es idempotente si C2 = C. Muestre que
las siguientes matrices son idempotentes.
LM−26 − 18 − 27 OP OP LM1 0 0
MM 12
a ) 21 15 21
PP PP MM0
b) 0 1 0
N 8 13 Q Q N 0 0
Matriz nilpotente
Es una matriz
cuadrada A, tal
LM 1 1 3OP que Ap = 0, y
A ≠ 0, siendo
p-1
4. Verifique que A es nilpotente de orden 3. A =
MN −25 −21 −63PQ p > 1 un número
entero positivo,
se denomina
L1 − 1OP , y B = L1 1O no conmutan y que:

5. Verifique que: A = M
nilpotente de
MN4 − 1PQ
índice p.
N2 − 1 Q
(A + B)2 = A2 + B2.
1 0 0 LM OP
6. Verifique que: a) La matriz A = 0 1 0 es idempotente
0 5 0 MN PQ
0 0 1 LM OP
b) La matriz B = -1 - 1 - 1 es involutiva
1 0 0 MN PQ
7. Para la matriz A, encuentre una matriz 2 x 2 no cero, tal que AB
sea una matriz cero (Existe más de una respuesta).
LM1 2OP
A=
N3 6 Q
8. Encuentre una matriz A3 x 3 tal que A ≠ 0, A2 ≠ 0, A3 = 0
1.5 MATRIZ TRASPUESTA Y PROPIEDADES DE LA

TRASPUESTA
Matriz traspuesta: sea A = [aij] una matriz de orden m x n. La

matriz At = [bij] de orden n x m, donde bij = aij se llama la
traspuesta de A. Dicho en otras palabras, la traspuesta de A se
obtiene intercambiando las filas por las columnas.
3 2 LM OP LM3 0 7OP
=
MN PQ , entonces A t =
N2 5 3 Q
Si A 0 5 Matriz involutiva
Ejemplo 1. Una matriz es
7 3 2 x3
3x2 involutiva si
A2 = I
Ejemplo 2.
LM 4 14 OP
L4 OP
Al inter-
=M
MN−21 07PPQ
16 − 1 2 16 − 1
Sea: A = M
cambiar las
N14 −1 0 7 Q 2 x4
filas por las
columnas
At
se obtiene: 4 x2
Propiedades de la matriz traspuesta

Si A y B son matrices conformes para las operaciones indicadas
y k un número real, entonces:
a) (At)t = A b) (kA)t = kAt c) (A + B)t = At + Bt
d) (AB)t = BtAt
36 ALGEBRA LINEAL
Ejemplo 3. Si A, B y C son matrices cuadradas del mismo orden, aplique propieda-

des de la traspuesta a la expresión: (2A + Bt C)t
Solución: ( 2 A+ B t C ) t = (2 A) t + ( B t C ) t (Propiedad a)
= 2 A t + C t ( B t ) t (Propiedades b y d)
= 2 At + C t B (Propiedad a)
Ejemplo 4. Verificar que (A + B)t = At+Bt.
Sean: A =
LM3 6 OP y B = LM 2 7OP , entonces: A = LM3 7 OP y B = LM2 − 1OP ,
N7 2Q N−1 0Q N6 2 Q N7 0 Q
t t
Luego: A + B = LM
3 7 O L2 − 1O L 5 6 O
N6 2PQ + MN7 0PQ = MN13 2PQ , de otra parte:
t t
A + B = LM
5 13O
De otra manera: (A + B) = LM
5 6O
N Q
6 2 P N 2PQ
13
t
Ejemplo 5. Con las matrices anteriores verificar que: (AB)t = Bt At.

LM3 6 OP LM 2 7OP = LM0 21OP ; así que ( AB) = LM0 12OP , de otra parte :
N7 2Q N−1 0Q N12 49Q N21 49Q
t
AB =
= LM
3 7O
y B = LM
2 − 1O
, es decir que: B A = LM
2 − 1O L3 7 O L0 12 O
At
N Q
6 2 P t
N Q
7 0 P N7 0PQ MN6 2PQ = MN21 49PQ
t t
Matriz simétrica y antisimétrica:

Una matriz cuadrada A es Simétrica si A = At
Una matriz cuadrada A es Antisimétrica si A = –At
1 2 1 LM 1 2 1 OP LM OP
Ejemplo 6. A = 2 3 − 3 ,At = 2 3 −3
1 −3 4 MN 1 −3 4 PQ MN PQ
La matriz A es simétrica porque A = At
Observe que en una matriz simétrica los elementos opuestos a la diagonal principal
son iguales y la diagonal principal contiene valores arbitrarios.
0 2 LM
1 0 −2 −1 OP LM OP
MN
Ejemplo 7. B = −2 0 −3 , Bt = 2
−1 3 4
0 3
1 −3 0 PQ MN PQ
La matriz B es antisimétrica, porque B = –Bt
Observe que en una matriz antisimétrica los elementos opuestos a
la diagonal principal tienen signos contrarios, y la diagonal principal
contiene únicamente ceros.
Nota: las matrices escalares, diagonales y la idéntica de los diver-

sos órdenes son simétricas. Se usan en estadística y econometría (co-
rrelación, covarianza, etc.). Matriz simétrica
Es una matriz
LM 5 −4 OP
3
cuadrada tal que
A = At, donde
Ejemplo 8. Dada la matriz cuadrada A = −1
MN−62 5
3
1PQ At significa
matriz
traspuesta
a) Verificar que la matriz A + At es simétrica.
b) Verificar que la matriz A _ At es antisimétrica
c) Verificar que A = 1 (A + At ) + 1 (A _ At )
2 2
Solución:
LM 5 − 4 OP
3 LM
5 6 −2 10 2 1 OP LM OP Matriz
a) A + A t =
MN−62 −51 3 + −4 − 1 5 = 2 − 2 8
PQ MN PQ MN PQ
antisimétrica
Es una matriz
1 3 3 1 1 8 2 cuadrada tal que
_
A = At, donde
La matriz A + At es simétrica porque: At significa
L10 2 1O L10 2 1O
matriz
t
( A + A ) = M2 − 2 8P = M2 − 2 8P = A + A
traspuesta
MN1 8 2 PQ MN1 8 2 PQ
t t t
L 5 −4 3O L 5 6 −2O
b) A − A = M 6 −1 3P − M −4 −1 5P
MN −2 5 1PQ MN 3 3 1PQ
t
L 5 − 4 3 O L−5 − 6 2OP LM 0 − 10 5 OP
= M 6 − 1 3P + M 4
MN−2 5 1PQ MN−3 −13 −− 51PQ = MN10−5 20 − 02PQ
38 ALGEBRA LINEAL
La matriz A _ At es antisimétrica porque:
L 0 − 10 5 OP LM 0 10 − 5 OP
t
( A − A ) = M10
MN−5 20 −02PQ MN−105 − 20 20PQ
t t
L 0 −10 5OP
= − M 10
MN −5 20 −20PQ = − (A − A )
t
1 L10 2 1O 1 L 0 − 10 OP
c) e A + A j + e A − A j = M 2 − 2 8P + M10
1 1 5
−2
2 M1 P 2 M −5 PQ
t t
0
2 2
N 8 2 Q N 2 0
LM 5 1 21 OP LM 0 − 5 25 OP L 5 − 4 3 O
= M 1 − 1 4 P + M 5 0 − 1P = M 6 − 1 3P = A
MM 1 4 1 PP MM− 5 1 0 PP MNM−2 5 1PQP
N2 Q N 2 Q
Observe que se ha descompuesto la matriz A como la suma de una matriz simétrica
y una antisimétrica.
EJERCICIO 1.5
1. Si A es una matriz de tamaño m x n se tiene que (AAt) y (AtA)son simétricas.
Verifique esto para la matriz:
1LM 2 −1 0 OP
A= 2 1 0 −3
7 MN 8 1 2 PQ
2. Escriba la matriz A, como la suma de una matriz simétrica y una antisimétrica.
LM2 4 5 −3 OP
A=M PP
1 3 5 2
MN64 −7 1 3
2 1 −1 Q
LM−1 4 1 OP1 2 3 LM OP
3. Sean A = 2 y B = −4 5 6
MN 16 7
4 −5 PQ
7 8 9 MN PQ Halle:
a) At b) Bt c) (A + B)t d) At + Bt
4. Encuentre las componentes de la matriz (AB)t , donde:

A = [aij] 2 x 3 con aij = i + j y B = [bij] 3 x 2 con bij = ij
5. Aplicando propiedades de la traspuesta simplifique la expresión :

[(2At + 3B)tC]t
6. Aplicando propiedades de la traspuesta simplifique:

[NtM(2NRt + Mt)t]t, donde M, N, y R son matrices conformes para las operaciones
dadas.
Ejercicios complementarios
1. Suponga que A y B son matrices 4 x 5, y que C, D y E son matrices 5 x 2, 4 x 2 , y 5 x 4
respectivamente. Determine cuales de las siguientes expresiones matriciales están
definidas, y dé el tamaño de la matriz resultante.
a. AE + B b. E(A + B) c. (At + E)D
2. Sean A y B matrices cuadradas del mismo tamaño. ¿Es (AB)2 = A2B2 una identidad
matricial válida? Justifique su respuesta.
3. Un cinema tiene 4 salas de la I a la IV. El precio de cada función es de US $2 por

niño; US $3 por estudiante y US $4 por adulto. La asistencia a una proyección está
dada por la siguiente matriz:
Niños Estudiantes Adultos
LM
225 110 OP
50 Sala I
MM
75 180
PP
225 Sala II
MN PQ
280 85 110 Sala III
0 250 225 Sala IV
a. Escriba una matriz columna B que represente el precio de la entrada por sala.
b. Calcule AB, la matriz columna que representa el ingreso bruto de cada sala.
c. Encuentre el ingreso total por concepto de entradas a cada función.
4. Una fábrica de gaseosas con dos sedes produce 3 marcas de gaseosas en dos pre-
sentaciones diferentes. La producción en miles de unidades a la semana en su planta
A es:
40 ALGEBRA LINEAL
Marca Marca
y la producción
I II III I II III
semanal en su
Tamaño I 13 27 15 Tamaño I 20 32 18
planta B es:
Tamaño II 12 14 24 Tamaño II 35 24 30
a. ¿Cuál es la producción semanal total en las dos plantas?

b. ¿Si la producción en la planta A se incrementa en un 20%, ¿Cuál será ahora la
producción total en las dos plantas?
5. Una empresa produce dos tipos de envases en tres tamaños diferentes. La produc-
ción en miles de unidades en su planta A, está dada por:
Tamaño 1 Tamaño 2 Tamaño 3
Tipo 1 20 28 30
Tipo 2 16 22 20
Mientras que la producción en miles de unidades en su planta B es:

Tamaño 1 Tamaño 2 Tamaño 3
Tipo 1 30 40 36
Tipo 2 24 20 28
a. Escriba la matriz que representa la producción total de ambas plantas.

b. La empresa planea abrir una tercera planta C, la cual tendría una capacidad de un
20% más que B. Escriba una matriz que represente la producción de C.
c. ¿Cuál será la producción de las tres plantas A,B y C?
6. Una persona compra 3 lápices, 5 borradores, 2 reglas y 3 portaminas . Si los lápices

tienen un costo de $ 12 cada uno, los borradores $ 5 cada uno, las reglas $ 3 cada una
y los portaminas $ 20 cada uno, use la multiplicación de matrices para representar la
cantidad total que gastó la persona en estas compras.
7. Hallar los valores numéricos de las siguientes sumas:
∑ b2 k + 1g
5 4 3 4 5 1
a) ∑k b) ∑ 32 k c) d) ∑ kk e) ∑ k (k + 1)
k =1 k=0 k =1 k =1 k =1
∑ b3k2 − 5k + 1g
4 5 5 100 4
2k
f) ∑ ( k + 1)
g) ∑ 2k 2− k h) i) ∑5 j) ∑ k3
k =0 k=2 k =1 k =1 k =1
8. Expresar las siguientes sumas finitas con notación sigma.
a) 1 + 4 + 7 + 10 + 13... b) 1 + 1 + 1 + 1 + 1
2 4 8 16 32
c) 3 + 9 + 27 + 81 : d) 1 + 2 + 3 + 4
5 25 125 625 6 11 16 21
CUESTIONARIO
Indique si cada una de las siguientes afirmaciones es Verdadera o Falsa.

Justifique su respuesta.
1. Los elementos de la diagonal principal de la matriz antisimétrica deben ser
ceros. V ___ F ___
2. Las matrices escalares, diagonales y la idéntica de los diversos órdenes son

antisimétricas. V ____ F ____
3. Si A es una matriz cuadrada, entonces A _ At es antisimétrica.

V ____ F ____
4. Las matrices de diferente orden se pueden sumar . V ____ F ____
5. Si A • B = 0, entonces, A = 0 o B = 0. V ____ F ____
6. Si A y B son matrices del mismo orden, entonces A + B = B + A.

V____ F____
7. Si A + B está defininida para dos matrices A y B, se sigue que el orden de

A + B, es igual al de A o al de B. V____ F____
8. El producto AB está definido solo si el número de filas de A es igual al número

de columnas de B. V____ F____
9. Si A y B son matrices del mismo orden, tanto AB como BA están definidas.

V____ F____
10.Si A y B son dos matrices tales que tanto AB como BA están definidas, se
sigue que AB nunca es igual a BA. V____ F____
42 ALGEBRA LINEAL
11. Si tanto AB como BA están definidas, se puede concluir que el orden de AB o

el de BA es igual al de A o a el de B. V____ F____
12.Si A es una matriz de cualquier orden e I es la matriz Identidad, entonces

AI = IA = A. V____ F____
13.Si A y B son dos matrices cuadradas de mismo orden, se sigue que el orden de
AB o el de BA es igual al de A o al de B. V____ F____
14.Si A = A + B, se puede concluir que B es la matriz nula? V____ F____
15.Si A y B son matrices de n x n, entonces (A + B)2 = A2 + 2AB + B2.

V____F____
16.Si A y B son matrices de n x n, entonces (AtBt)t = BA. V____F____
17.El producto de dos matrices diagonales es siempre una matriz diagonal.

V____F____
1.6 TALLER DE INFORMÁTICA CON USO DE «DERIVE»
Al iniciar el programa Derive se presenta la ventana de trabajo que se denominará

Ventana de Álgebra. En la parte inferior de la ventana de álgebra se localiza la Línea
de Edición, en la cual se introducen los comandos que se desean ejecutar. (Ver figura
1.6.1)
Creación de una matriz

Para definir una matriz:
1. Se hace un clic con el mouse sobre el botón de matriz del menú principal,
el cual despliega un cuadro de diálogo, donde debemos indicar el número de filas y de
columnas de la matriz.
2. En el cuadro de diálogo se escribe en los renglones correspondientes el número de
filas y de columnas de la matriz.
3. Se hace clic sobre el botón rotulado Sí , de la figura 1.6.1.
Ventana de
álgebra
Línea de
edición
Figura 1.6.1 Definición de las dimensiones de una matriz.

En segundo plano se observa la ventana de álgebra y la línea de edición.
En este caso vamos a definir una matriz de orden 3 x 3

4. Se introducen los elementos de la matriz los cuales pueden ser valores numéricos o
fórmulas.
44 ALGEBRA LINEAL
Cada vez que se introduce un elemento de la matriz para pasar al siguiente se presio-
na la tecla TAB,para obtener la ventana que se muestra en la figura 1.6.2
Figura 1.6.2 Forma de ingresar los valores de una matriz
5. Al terminar de introducir los elementos de la matriz se presiona el botón rotulado Sí,

quedando definida la matriz. En la ventana de trabajo del programa Derive queda
representada la matriz tal como se aprecia en la figura 1.6.3.
Figura 1.6.3 Representación de una matriz en el programa Derive

Operaciones entre matrices

Adición de matrices
L5 OP LM1 OP
−3 3
Sean las matrices A = M −2
4 7
B = M8 PP
MN −1 5 3
PQ y
MN1
−5 4
Q
3 9 1 3
2
1. Siguiendo el procedimiento anterior de creación de una matriz se crean las dos

matrices de orden 3 x 3.
2. Se hace clic sobre la primera matriz en la ventana de álgebra para seleccionarla, se
coloca el cursor sobre la línea de edición, se presiona la tecla F4 para copiar la matriz
en la línea de edición, se escribe el signo + a continuación de la matriz, y finalmente se
repite el procedimiento con la segunda matriz para copiarla a continuación del signo
+, tal como se aprecia en la figura 1.6.4a y 1.6.4b.
Figura 1.6.4a
Matriz seleccionada y copiada por medio de la tecla F4 en la línea de edición.
Figura 1.6.4b
Línea de edición con dos matrices seleccionadas.
3. Se presiona enter.
4. Para obtener el resultado de la suma se hace clic sobre el botón rotulado = en el
menú principal. El resultado se aprecia en la figura 1.6.5.
46 ALGEBRA LINEAL
Figura 1.6.5 Matriz resultado de la suma de dos matrices.
Multiplicación de una matriz por un escalar.
LM 2 5OP
Sea la matriz A = M PP
−2 6
MN 75
, y el escalar 2,
−4
3 Q
1. Se crea la matriz aplicando el procedimiento de creación de matrices.
2. Se escribe el escalar en la línea de edición.
3. Se hace clic sobre la matriz en la ventana de álgebra para seleccionarla.
4. Se coloca el cursor sobre la línea de edición, a continuación del escalar y presionando
la tecla F4, se copia la matriz en la línea de edición.
Figura 1.6.6
Resultado de los pasos 1 a 4 de la multiplicación de una matriz por un escalar
5. Se presiona la tecla enter para que la operación aparezca en la ventana de álgebra.

6. Para obtener el resultado de la suma se hace clic sobre el botón rotulado = en el
menú principal.Ver figura 1.6.7
Figura 1.6.7 Matriz resultado del producto de un escalar por una matriz
Multiplicación de matrices.
LM 3 −1 5OP LM
1 −2 6 −7 OP
Dadas las matrices A =
N2 −2 4 Q
, B= 2
MN PQ
5 9 4 , calcule AB
2 −3 1 3
1. Se crean las matrices con el procedimiento de creación de matrices.

2. Se hacen corresponder las matrices a las letras A y B de la siguiente manera: des-
pués de tener las dos matrices en la ventana de álgebra, haga clic sobre la primera
matriz en la ventana de álgebra para seleccionarla, luego escriba la letra A en la línea
de edición seguida de: = (dos puntos y un igual), (ver figura 1.6.8), a continuación
presione la tecla F4; finalmente presione enter.
Figura 1.6.8 Asignación de la primera matriz a la letra A
Haga clic sobre la segunda matriz en la ventana de álgebra, luego escriba la letra en
la línea de edición seguida de: = (dos puntos y un igual), (ver figura 1.6.9), a continua-
ción presione la tecla F4; finalmente presione enter.
48 ALGEBRA LINEAL
Figura 1.6.9 Asignación de la segunda matriz a la letra B
3. En la línea de edición escriba AB y luego presione enter, (ver figura 1.6.10).
Figura 1.6.10 Definición de la operación de multiplicación
4. Para obtener el resultado de la multiplicación se hace clic sobre el botón rotulado =

en el menú principal. El proceso se muestra en la figura 1.6.11.
Figura 1.6.11
Asignación de dos matrices a las letras A y B, y definición del producto AB.
El resultado se distingue sombreado.
Definición de una matriz mediante una fórmula.

Construír la matriz A de orden 7 x 1 definida mediante la fórmula: ai = 3i2 – 5.
Se utiliza la función de DERIVE denominada VECTOR (F,V,n,m), la cual tiene 4
argumentos, a saber:
F : Fórmula en términos de una variable.
V : Variable a utilizar
n : Límite inferior de la variable (debe ser un entero positivo)
m : Límite superior de la variable (debe ser un entero positivo mayor que n).
1. Se escribe en la línea de edición: VECTOR (3i ^ 2 – 5, i, 1, 7), tal como se ve en la
figura 1.6.12.
Figura 1.6.12 Definición de un vector por medio de una fórmula
3. Para obtener la matriz se hace clic sobre el botón rotulado = en el menú principal.
2i − j
Construir la matriz B de orden 5 x 7 definida por: bij =
3j
Se utiliza una composición de la función VECTOR de la siguiente manera:

1. Se escribe en la línea de edición: VECTOR (VECTOR ((2i – j) / 3 ^ j, j, 1, 3), i, 1,
2), (ver figura 1.6.13).
Figura 1.6.13
Definición de una matriz con ayuda de la función VECTOR
Se observan en la figura 1.6.14, los dos ejemplos anteriores.

50 ALGEBRA LINEAL
Figura 1.6.14 Definición de un vector y una matriz
Utilización de la sumatoria
La sumatoria está definida en derive mediante la función SUM(F,V,n,m) la cual cons
ta de cuatro argumentos:
F : Fórmula en términos de una variable.
V : Variable a utilizar
n : Límite inferior de la variable (debe ser un entero positivo)
m: Límite superior de la variable (debe ser un entero positivo mayor que n).
10
Calcular: ∑ (a k −k)
k =1
1. Se escribe en la línea de edición: SUM (a^k – k, k, 1, 10), (ver figura 1.6.15).
Figura 1.6.15 Definición de una sumatoria en la línea de edición

3. Para obtener el resultado de la sumatoria hace clic sobre el botón rotulado = en el
menú principal.
n
Calcular: ∑ k3
k =1
1. Se escribe en la línea de edición: SUM (k^3, k, 1, n) (ver la figura 1.6.16).
n 3
Figura 1.6.16 Definición de la sumatoria ∑ k en la línea de edición
k =1
3. Para obtener el resultado de la sumatoria, se hace clic sobre el botón rotulado = en
el menú principal.
4 5
Calcular: ∑ ∑ (a + b )
i i
i =1 j =1
Utilizamos una composición de la función SUM de la siguiente manera:

1. Escribimos en la línea de edición: SUM (SUM(a^i + b^j, j, 1 ,5),i ,1 ,4), (ver figura 1.6.17).
Figura 1.6.17 Definición de una doble sumatoria en la línea de edición
3. Para obtener la expresión resultado, se hace clic sobre el botón rotulado = en el
menú principal.
Los tres ejemplos anteriores los visualizan en la figura 1.6.18
52 ALGEBRA LINEAL
Figura 1.6.18 Ilustración de ejemplos de sumatorias y sus resultados
Traza de una matriz
LM
a b c OP
=
Hallar la traza de la matriz d
MN
e
g h
f
i PQ
Se utiliza la función TRACE(F), que posee únicamente un argumento:
F: Matriz a la que se quiere calcular la traza.
Se procede de la siguiente manera:
1. Se crea la matriz con el procedimiento de creación de matrices.
2. Se escribe en la línea de edición TRACE
3. Se hace clic sobre la matriz para seleccionarla.
4. Con el cursor en la línea de edición después de la palabra TRACE, se presiona la
tecla F4 para copiar la matriz en la línea de edición, (ver la figura 1.6.19).
Figura 1.6.19
Procedimiento para el cálculo de la Traza de una matriz en la línea de edición
6. Para obtener el resultado se hace clic sobre el botón rotulado = en el menú principal
Matriz identidad de orden n x n
LM1 0 0 0 0OP
= M0 PP
0 1 0 0 0
Construya la matriz identidad de orden 5, I5
MM0 0 1 0
0 0 1
0
0
PQ
N0 0 0 0 1
Utilizamos la función IDENTITY-MATRIX(n) que posee únicamente un argumento:
n: Número de filas y de columnas de la matriz identidad.
Se procede así:
1. Se escribe en la línea de edición IDENTITY-MATRIX(5), (ver figura 1.6.20).
Figura 1.6.20 Creación de la matriz identidad de orden 5 en la línea de edición
3. Para obtener la matriz se hace clic sobre el botón rotulado = en el menú principal
Los ejemplos del cálculo de la Traza de una matriz, y el cálculo de una matriz Identi-
dad de orden 5, se representan en la figura 1.6.21.
54 ALGEBRA LINEAL
Figura 1.6.21
Cálculo de la Traza de una matriz y representación de la matriz Identidad de orden 5
Matriz traspuesta.
LMa b c OP
Hallar la traspuesta de la matriz
MNdg e f
h i PQ
Se procede así:
1. Se crea la matriz con el procedimiento de creación de matrices, y con F4 se copia en
la línea de edición.
2. Con el cursor en la línea de edición y a continuación de la matriz se coloca el signo de
acento grave ( ′ ), luego se presiona la barra espaciadora, (ver figura 1.6.22).
Figura 1.6.22 Creación de una matriz traspuesta
En la figura 1.6.23, se observa el resultado en la ventana de álgebra.
Figura 1.6.23
Resultado de calcular una matriz Traspuesta en la ventana de álgebra
56 ALGEBRA LINEAL
1.7 TALLER DE INFORMÁTICA CON USO DE Excel

Creación de una matriz
Para definir una matriz, escriba los elementos de la matriz en un bloque de celdas
rectangular o cuadrado, según el orden de la matriz, tal como se ilustra en el ejemplo 1.
Ejemplo 1
LM
5 10 9 −1 OP
A= 1 −1 −9
Defina la matriz
6MN 8
−3 9 5 PQ
Solución:
1. Escriba los elementos de la matriz A en el bloque de celdas B2: E4 , tal como se ve
en la figura 1.7.1
Figura 1.7.1
Definición de la matriz A, con ayuda del programa EXCEL.
Operaciones entre matrices

Adición de matrices
Ejemplo 2
LM
3 −6 7 5 OP LM
5 −4 2 7OP
Halle la suma de las matrices A = −2 2 y B = 5 −2
MN
6
1 −3
4
5 2 PQ 2 −3MN 3 1
7 1 PQ
Solución. Observe que las matrices A, B y A + B tienen orden 3 x 4 y por lo tanto,
para cada una de las matrices se debe seleccionar un bloque de celdas con tres filas y
cuatro columnas.
1. Se definen las matrices siguiendo el procedimiento anterior de creación de una
matriz, la matriz A en el bloque de celdas B2:E4 y la matriz B en el bloque de celdas
B7:E9
2. Se selecciona el bloque de celdas B12:E14, donde queremos obtener la suma. Para
hacer la selección, hacemos clic con el botón izquierdo del mouse en la celda B12 y
manteniendo el botón presionado, arrastramos el mouse hasta la celda E14, (ver
figura 1.7.2).
Figura 1.7.2 Proceso de creación de la matriz suma de A y B

58 ALGEBRA LINEAL
3. En la línea de edición de excel, escribimos la fórmula = B2: E4+B7: E9, tal como se
ilustra en la figura 1.7.3. El resultado se ilustra en la figura 1.7.4.
Figura 1.7.3.
Ingreso de la fórmula que suma dos bloques de celdas en la línea de edición de EXCEL.
Figura 1.7.4 Selección e ingreso de la fórmula de suma de bloques de celdas
4. Se presiona secuencialmente y sin soltar, las teclas Control, Mayúscula, Enter;

después de tener las tres teclas presionadas simultáneamente, se liberan y se obtiene
la suma, (ver figura 1.7.5).
Figura 1.7.5 Resultado final de la sumas matrices en EXCEL
Multiplicación de una matriz por un escalar

Ejemplo 3
LM
3 −6 7 5 OP
Multiplique la matriz A = −2 2 , por el escalar k = − 10
MN
6
1 −3
4
5 2 PQ
Solución
1. Defina la matriz A en el bloque de celdas B2:E4
2. Seleccione con el mouse el bloque de celdas B7:E9 donde queremos obtener la mul-
tiplicación de la matriz por el escalar. Para hacer la selección, hacemos sólo clic con
el botón izquierdo del mouse en la celda B7 y manteniendo el botón presionado,
arrastramos el mouse hasta la celda E9, (ver figura 1.7.6).
60 ALGEBRA LINEAL
Figura 1.7.6 Proceso de creación de la matriz producto de un escalar por una matriz
3. Se escribe en la línea de edición de EXCEL la fórmula: = –10 x B2:E4 tal como se

ilustra en la figura 1.7.7
Figura 1.7.7 Ingreso de la fórmula que multiplica un bloque de celdas, por un escalar.
4. Se presiona secuencialmente y sin soltar, las teclas Control, Mayúscula, Enter

después de tener las tres teclas presionadas simultáneamente, se liberan y se obtiene,
el resultado como se aprecia en la Figura 1.7.8.
Figura 1.7.8
Resultado final de multiplicar un escalar por una matriz (Bloque de Celdas), en EXCEL
Multiplicación de matrices
Ejemplo 4
LM3 −1 5OP LM
1 −2 6 7OP
Dadas las matrices: A =
N2 −2 4 Q
, B= 2
MN
5
2 −3
9
1 PQ
4 , calcule AB
3
Solución
Se utiliza la función de excel MMULT (Bloque 1; Bloque 2), la cual tiene dos
argumentos:
Bloque 1: Dirección correspondiente al bloque de celdas que contiene a la matriz A.
Bloque 2: Dirección correspondiente al bloque de celdas que contiene a la matriz B.
Observe que la matriz A tiene orden 2 x 3 y la matriz B tiene orden 3 x 4 y por lo tanto
el producto es de orden 2 x 4
1. Se crean las matrices con el procedimiento de creación de matrices, la matriz A en el
bloque de celdas B2: D3 y la matriz B en el bloque de celdas B6: E8.
62 ALGEBRA LINEAL
2. Seleccione con el mouse el bloque de celdas D9: G10 donde queremos obtener la
matriz AB de orden 2 x 4.
Para hacer la selección, se hace clic con el botón izquierdo del mouse en la celda
B11 y manteniendo el botón presionado, se arrastra el mouse hasta la celda E12, (ver
figura 1.7.9).
Figura 1.7.9 Proceso de creación de la matriz producto de dos matrices
3. Se escribe en la línea de edición de EXCEL la fórmula = MMULT(B2:D3;B6:E8), tal

como se ilustra en la Figura 1.7.10.
Figura 1.7.10 Ingreso de la fórmula que multiplica dos matrices (dos bloques de celdas).
4. Se presionan secuencialmente y sin soltar, las teclas Control, Mayúscula, Enter

después de tener las tres teclas presionadas simultáneamente, se liberan y se obtiene
el resultado que se ilustra en la figura 1.7.11.
Figura 1.7.11 Resultado final de multiplicar dos matrices.
Ejemplo 5
0 LM
1 −1 OP
Verifique que la matriz A = 4 − 3
3 −3 MN PQ
4 es involutiva
4
Solución
Recuerde que una matriz es involutiva cuando A2 = I por lo tanto se debe efectuar el
producto AA y verificar que el resultado es la matriz identidad de orden 3 x 3.
1. Se define la matriz A en el bloque de celdas B2:D4
2. Seleccione con el mouse el bloque de celdas B7:D9 donde se quiere obtener la matriz
AA de orden 3 x 3. Para hacer la selección, se hace clic con el botón izquierdo del
mouse en la celda B7 y manteniendo el botón presionado, se arrastra el mouse hasta
la celda D9, (ver figura 1.7.12).
64 ALGEBRA LINEAL
Figura 1.7.12 Proceso de creación de la matriz A2
3. Se escribe en la línea de edición de EXCEL la fórmula = MMULT(B2:D4;B2:D4),como

se ilustra en la figura 1.7.13
Figura 1.7.13 Ingreso de la fórmula que calcula la matriz A2
4. Se presiona secuencialmente y sin soltar, las teclas Control, Mayúscula, Enter

después de tener las tres teclas presionadas simultáneamente, se liberan, y se obtiene
el resultado, que se observa en la figura 1.7.14.
Figura 1.7.14 Resultado final de la multiplicación AA

66 ALGEBRA LINEAL
RESUMEN
• Una matriz de tamaño m x n es un arreglo rectangular de elementos de un

conjunto determinado, dispuestos en filas y columnas.
LMa 11 a12 a1n OP

A=M . PP = a
a 21 a22 a2n
MNa ..
.. .. ij mxn
Q
. .
m1 am2 amn
• Una matriz A es cuadrada, si el número de filas es igual al número de columnas.

• La traza de una matriz, es la suma de los elementos de la diagonal principal
tr (A) = a11 + a22 + a33 + ... + amn
• Dos matrices son iguales si y solo si los elementos correspondientes son igua-
les entre sí: aij = bij
• La matriz nula es la que tiene todos sus elementos iguales a cero.
• Suma de matrices. Sea A una matriz de m x n y sea B una matriz m x n, se
define A + B como en una matriz C de m x n, donde, aij + bij = cij
• Producto de una matriz por un escalar. Sea A una matriz de orden m x n y
k un escalar, entonces el producto del escalar k por la matriz A es otra matriz
kA = [cij]m x n, donde cij = k aij
• El inverso aditivo u opuesto de una matriz A es la matriz – A = (–1)A.
• El símbolo sumatoria Σ, se utiliza para representar sumas en forma abreviada.
n
a1 + a2 + a3 + ... + an = ∑ ai
E =
• Propiedades de las sumatorias:
∑ da j i
n n n
Aditiva: + bj = ∑ a j + ∑ bj
j=1 j=1 j=1
n n
Homogénea: ∑ cht =c ∑ ht
t =0 t =0
n
Suma de una constante: ∑ c = nc
i=1
Continúa
Continúa
El producto de una matriz fila A de orden 1 x n por una matriz columna B de

orden n x 1, se define como :
LMb OP
1
a1 , a2 ,..., an MMb PP = ∑ a b
2 n
MMbM PP
i i
i=1
nN Q
• El producto de una matriz A de tamaño m x p, por un matriz B de tamaño p x n,
es una matriz C de forma m x n, donde, el elemento cij de la matriz C, se
obtiene multiplicando la fila i de A por la columna j de B.
LMb OP
1j
cij ai1 , ai2 , ... , ain

MMb PP = ∑ a
2j p
bkj
MMbM PP
ik
k =1
N Q
nj
• El producto de matrices A.B es realizable cuando el número de columnas de A

es igual a número de filas de B.
• Propiedades de las operaciones entre matrices:
Conmutativa: A + B = B + A
Asociativa: A + (B+C) = (A+B) + C; A(BC) = (AB)C
Modulativa: A + 0 = A
Inverso aditivo: A + (–A) = 0 = (–A) + A
Distributiva: A(B+C) = AB + AC; (A+B)C = AC + BC
Si k, l son escalares, entonces: k(A+B) = kA + kB
(k+l)A = kA + lA
(k(lA)) = (kl)A
• En general el producto de matrices no es conmutativo. AB ≠ BA.
• Si AB = 0, no necesariamente A = 0 o B = 0
• Si AB = AC, no necesariamente B = C
• La diagonal principal de una matriz cuadrada A = [aij]n x n es el conjunto de
elementos {a11, a22, ..., ann} = diag (A).
• Una matriz es triangular superior si todos los elementos que están debajo de la
diagonal principal son iguales a cero.
Continúa
68 ALGEBRA LINEAL
Continúa
• Una matriz es triángular inferior si todos los elementos que están por encima
de la diagonal principal son iguales a cero.
• Una matriz es triangular si es triangular superior o triangular inferior.
• Una matriz es diagonal si los elementos no diagonales son todos nulos.
• Una matriz diagonal es escalar, si los elementos diagonales son iguales, y los
elementos que no pertenecen a la diagonal, son iguales a cero.
• La matriz identidad In de orden n x n es una matriz cuadrada cuya diagonal
principal está compuesta por unos, y los demás elementos son ceros.
• Dos matrices A y B de orden n x n conmutan si y solo si AB = BA.
• Una matriz cuadrada A es idempotente si A2 = A.
• Una matriz cuadrada A es nilpotente de índice p si: Ap = 0 y Ap-1 ≠ 0 siendo p > 1.
• La traspuesta de una matriz A de orden m x n, se obtiene intercambiando las
filas por las columnas.
• Propiedades de la matriz traspuesta
Si A y B son matrices y k un escalar tenemos :
n (At)t = A
n (kA)t = kAt
n (A+B)t = At + Bt
n (AB)t = Bt.At
• Si una matriz cuadrada A es igual a su matriz traspuesta se dice que es simé-
trica A = At
• Si una matriz cuadrada A es igual al opuesto de su matriz traspuesta, se dice
que es antisimétrica A = –At
• Una matriz cuadrada A se puede descomponer como la suma de una matriz
simétrica y una antisimétrica.
2
b g e
2 j 2 e j
A = 1 A + A + 1 A − A t donde B = 1 A + A t es simétrica y
e j
C = 1 A − A t es antisimétrica
2
GLOSARIO
• Matriz: es una arreglo rectangular de elementos dispuestos en filas y colum-

nas.
• Matriz cuadrada: matriz donde el número de filas y columnas son iguales.
• Escalar: es un número real.
• Sumatoria: es un símbolo que se utiliza para representar sumas en forma
abreviada.
• Matriz escalar: es una matriz diagonal cuyos elementos diagonales son igua-
les, y los demás elementos que pertenecen a la diagonal, son iguales a cero.
• Matriz identidad: es una matriz diagonal cuya diagonal principal está com-
puesta por unos.
• Matrices que conmutan: son dos matrices de orden n x n, donde AB = BA.
• Diagonal principal: de una matriz cuadrada son los elementos a11, a22, ..., ann.
• Matriz triangular superior: es una matriz cuadrada en donde todos los ele-
mentos que están debajo de la diagonal principal son iguales a cero.
• Matriz triangular inferior: es una matriz cuadrada en donde todos los ele-
mentos que están sobre la diagonal principal son iguales a cero.
• Matriz traspuesta: la traspuesta de A se obtiene intercambiando las filas por
las columnas.
2 Sistemas de ecuaciones lineales
Carl Friedrich Gauss. Nació el 30 de abril de 1777 en

Brunswick, Alemania, y falleció el 23 de febrero de 1855
en Göttingen, Hanover, hoy Alemania. Llamado el príncipe
de los matemáticos, fue el más grande matemático del siglo
XIX. Hijo de un albañil, dio señales de ser un genio antes de
que cumpliera tres años, a esa edad aprendió a leer y hacer
cálculos aritméticos mentales con tanta habilidad, que des-
cubrió un error en la libreta de cuentas de su padre.
Gauss se graduó en Gotinga en 1798, y al año si-
guiente recibió su doctorado en la universidad de
Helmstedt y, en 1798, a los 20 años, escribió su famosa Gauss
disertación doctoral. En ella dio la primera demostración
matemática rigurosa del teorema fundamental del álgebra: Que todo polinomio de gra-
do n tiene, contando multiplicidades, exactamente n raíces. Muchos matemáticos,
incluyendo a Euler, Newton y Lagrange, habían intentado probar este resultado. A prin-
cipios del siglo XIX, Gauss publicó sus Disquisiciones Aritméticas, que ofrecían un aná-
lisis de su Teoría de Números, comprendiendo las complicadas ecuaciones que confir-
maban su teoría, y una exposición de la convergencia de una serie infinita.
En 1883 inventó un telégrafo eléctrico que usó entre su casa y el observatorio, a una
distancia de unos dos kilómetros. Inventó también un magnetómetro bifiliar para medir el
magnetismo y, con Weber, proyectó y construyó un observatorio no magnético. Tanto
Gauss como Riemann, quién fue discípulo suyo, pensaban en una teoría electromagnéti-
ca que sería muy semejante a la Ley Universal de la Gravitación, de Newton. Empero,
la teoría del electromagnetismo fue ideada más tarde, en 1873, por Maxwell, aunque
Gauss ya poseía los cimientos matemáticos para la Teoría.
En 1840 las investigaciones de Gauss sobre la óptica, tuvieron especial importancia
debido a sus deducciones, por lo que toca a los sistemas de lentes.
72 ALGEBRA LINEAL
A la edad de setenta y siete años, Gauss falleció. Se ha dicho que la lápida que
señala su tumba fue escrita con un diagrama, que construyó el mismo Gauss, de un
polígono de diecisiete lados.
Diofanto: famoso matemático griego, perteneciente a

la escuela de Alejandría.Vivió en esa ciudad aproximada-
mente en el año 250 a.C. Escribió un libro titulado Aritmé-
tica, el cual se considera como el primero acerca del álge-
bra, por unos versos encontrados en su tumba escritos en
forma de problema enigmático, se deduce que vivió 84
años.
Fue, sin embargo, el primero en enunciar una teoría
clara sobre las ecuaciones de primer grado. También ofre-
ció la fórmula para la solución de las ecuaciones de se-
gundo grado. Diofanto
La principal contribución de Diofanto es el uso de símbolos para representar las incóg-
nitas en un problema. Aunque su simbolismo no es tan sencillo como el que se utiliza hoy en
día, fué un avance importante en lugar de escribir los enunciados en palabras.
Todo lo que se conoce acerca de él ha sido tomado de la dedicatoria que figura en su
sepulcro, inscripción compuesta en forma de ejercicio matemático.
EN LA LENGUA VERNÁCULA EN EL IDIOMA DEL ÁLGEBRA

E¡Caminante! Aquí fueron sepultados
los restos de Diofanto. x
Y los números pueden mostrar,
¡oh milagro!, cuán larga fue su vida,
cuya sexta parte constituyó su infancia. x
6
Había transcurrido además una x
duodécima parte de su vida, 12
cuando de vello cubriose su barbilla.
Y la séptima parte de su existencia x
transcurrió en un matrimonio estéril. 7
Pasó un quinquenio más y le hizo dichoso

el nacimiento de su precioso primogénito, 5
que entregó su cuerpo, su hermosa
x
existencia, que duró tan sólo la mitad 2
de la de su padre a la tierra.
Y con profunda pena descendió a la
sepultura, habiendo sobrevivido cuatro x = x + x + x +5+ x +4
6 12 7 2
años al deceso de su hijo.
Introducción
En este capítulo trataremos todo lo referente a sistemas de

ecuaciones lineales, primero un sistema de ecuaciones lineales de
dos variables, mostrando los tipos de solución e interpretándolo
gráficamente, además establecemos la relación existente, entre
expresiones matriciales de un sistema de ecuaciones lineales;
mostramos que son los sistemas equivalentes, para mas adelante
abordar el método de eliminación de Gauss-Jordan, para resolver
sistemas de variables y ecuaciones.
Un tema fundamental es el referente a las aplicaciones, donde se
modelan situaciones reales con sistemas de ecuaciones lineales
como el problema del punto de equilibrio, oferta y demanda, pro-
ducción, inversiones, transporte etc.
Por último resolvemos sistemas de ecuaciones lineales con la matriz
inversa, y sistemas homogéneos.
Involucramos la tecnología, utilizando paquetes computacionales
para resolver sistemas de ecuaciones lineales con Derive y con la
hoja electrónica Excel se calcula la inversa de una matriz y la
solución del sistema de m ecuaciones con n variables.
Objetivos
• Resolver sistemas de ecuaciones lineales de 2x2 por los méto-

dos de eliminación y gráfico.
• Resolver sistemas de m ecuaciones lineales con n variables, e
interpretar sus soluciones.
• Resolver un sistema de ecuaciones lineales en la forma matricial
y transformándolo a la forma escalonada, y escalonada redu-
cida.
• Aplicar el método de eliminación de Gauss – Jordan en la so-
lución de sistemas de ecuaciones lineales, y calcular la inversa
de una matriz.
• Aplicar los sistemas de ecuaciones lineales a modelos de pro-
ducción , inversiones y mezclas entre otros.
74 ALGEBRA LINEAL
2.1 SISTEMAS DE DOS ECUACIONES LINEALES CON

DOS VARIABLES
Sistemas de dos ecuaciones lineales con dos variables

Un sistema de dos ecuaciones lineales l1 y l2 y con dos variables
x, y es una expresión de la forma: a11x + a12 y = b1 (l1)
a21x + a22 y = b2 (l2)
donde a11, a12, a21, a22, b1, b2, son números reales.
Cada una de estas ecuaciones se representa gráficamente como

una línea recta; estas líneas pueden corresponder a la representación
gráfica de una función de costo, ingreso, demanda, oferta, utilidad, etc.
La solución del sistema se puede clasificar de la siguiente manera:
• Solución única. Si las rectas l1 y l2 correspondientes a las
ecuaciones se cortan en un solo punto (x1, y1)
Y
Única solución
Geométricamente
los gráficos de
l1 las ecuaciones
lineales se cortan
en un punto.
(x 1 y1)
y1
X
x1
l2
• No tiene solución (Sistema inconsistente). Si l1 y l2 no se cortan

en ningún punto.
Y l1
l2
X
• Infinitas soluciones. Si todos los puntos de l1 coinciden con los de l2.

Y
l1
l2
X
Ejemplo 1. Resolver el sistema: L1: 4x _ 12y = 16

L2: _ 4x + 2y = 6
Solución. Sumando miembro a miembro las dos ecuaciones (método de elimina-
ción):
L1: 4x _ 12y = 16
L2: _ 4x + 2y = 6
_ 10y = 22
_ 11
y=
5
Reemplazando el valor de y en cualquiera de las ecuaciones iniciales y despejando x,
obtenemos:
4x _ 12 (– 115 ) = 16
132
4x + 5
=6
4x = 16 – 132
5
4x = – 525
x = – 135
La solución única es ( − 13
5
, − 11
5
)
Representando gráficamente el problema tenemos:
6
L1: x 0 4
y=
+2
-4x
4
y − 0
3 3
6
2y =1
-2/3 4x-1
4
-4/3
3
L2: x 0 − (-13/5,-11/5)
2
y 3 0
76 ALGEBRA LINEAL

L2: _ 6x + 24y = 16
Solución. Por el método de eliminación tenemos:
6x _ 24y = 15
– 6x + 24y = 16
0 = 31
0 = 31 es falso, luego el sistema no tiene solución.
Gráficamente tenemos:
5
L1: x 0 2
Y
No tiene solución
5 2/3 Geométricamente
y − 0
8 4y =16 los gráficos de
-6x+2
las ecuaciones
-8/3 5/2 X lineales son
8 -5/8 rectas paralelas
L2: x 0 − y =15
3 6x-24
2
y 0
3

L2: _ 6x + 24y = _18
Solución. Por el método de eliminación tenemos:
6x _ 24y = 18
– 6x + 24y = –18
0= 0
0 = 0 es verdadero y es una expresión que no depende de los valo-
res de x y y, lo cual significa que el sistema tiene infinitas soluciones.
En este caso las ecuaciones tienen como representación gráfica la
misma recta.
L1: 6x _ 24y = 18 Y
L2: _ 6x + 24y = _18 Múltiples
soluciones
3
Geométricamente
x 0 3 los gráficos de
=18 X
3 6x-24y -3/4 las ecuaciones
y − 0 4y =-18
4 -6 x+2 lineales coinciden
Ejemplo 4. Resolver el siguiente sistema de ecuaciones: L1: x _ y = 1

L2: x _ y = 2
Solución. Nótese que 1 = x _ y = 2 , lo cual es inconsistente, esto significa que el
sistema no tiene solución. Gráficamente, corresponde a dos rectas paralelas.
L1 : x _ y = 1 Y
x 0 1
y _1 0
1
y =
x-
L2 : x _ y = 2 x 0 2 1 2
y _2 0
X
-1 2
y=
-2 x-
Ejemplo 5. Hallar la solución del sistema: L1: x _ 2y = 2

L2: _2x + 4y = _ 4
Solución. La segunda ecuación es dos veces la primera. Esto significa que la solu-
ción del sistema es equivalente a la solución de una de ellas, por ejemplo, x – 2y = 2, la
cual tiene infinitas soluciones. Gráficamente, estas dos ecuaciones corresponden a la
misma recta.
L1: x _ 2y = 2 Y
L2: _2x + 4y = _ 4
x 0 2
y _1 0 y=
2
x-2
X
2
-1
Ejemplo 6. Determinar la solución del sistema L1: x + y = 2

L2 : x _ y = 0
Solución. De la segunda ecuación se obtiene que x = y, y reemplazando en la prime-
ra resulta y + y = 2, de donde y = 1 = x. Por lo tanto la solución es única, S = {(1, 1)}.
Gráficamente, la solución es el punto de intersección de las dos rectas determinadas por
las ecuaciones.
78 ALGEBRA LINEAL
Y
L1 : x + y = 2 x 0 2
y 2 0
x-y =0
2
L2 : x _ y = 0 x 0 1 1
y 0 1
X
1 2 x +y =2
Ejemplo 7. Dieta.- Una persona desea tomar leche y jugo de naranja para aumen-
tar la cantidad de calcio y vitamina A. Una de onza de leche contiene 41 miligramos de
calcio y 59 de vitamina A, y una onza de jugo de naranja contiene 5 miligramos de calcio
y 75 miligramos de vitamina A. ¿Cuántas onzas de leche y de jugo de naranja debe
tomar cada día para obtener exactamente 550 miligramos de calcio y 1300 microgramos
(10-6 gramos) de vitamina A?
Solución. Primero se definen las variables relevantes
x = Número de onzas de leche
y = Número de onzas de jugo de naranja
Leche Jugo de naranja Requerimiento total

Calcio (mg) 41 5 550
Vitamina A 59 75 1.300
Ahora se usa la información de la tabla para formar ecuaciones que impliquen a x y a y.

( Calcio en x onzas (Calcio en y onzas (Total de calcio necesario (mg.)
onzas de Leche ) de jugo de naranja)
41x + 5y = 550 (1)
(Vitamina A en x (Vitamina A en y onzas (Total de vitamina A necesario (µg))
onzas de leche) de jugo de naranja)
59x + 75y = 1.300 (2)
Un microgramo (µg) es una millonésima de parte de un gramo (10-6) de un gramo.

Resolviendo por reducción:
_ 65x _ 75y = _ 8.250 (1)
59x + 75y = 1.300
_ 556x = _ 6.950 (2)
x = 12.5 onzas de leche
(1) Una onza de leche contiene 41 miligramos de calcio y 59 miligramos de vitaminas A
Ahora reemplazando en (1): 41 (12,5) + 5y = 550

5y = 37,5
y = 7,5 onzas de jugo de naranja
Por tanto tomando 12,5 onzas de leche y 6.4 onzas de jugo de naranja cada día, se
obtienen las cantidades requeridas de calcio y de vitamina A.
Comprobación: 41x + 5y = 550
41 (12,5) + 5 (7,5) = 550
550 = 550
59x + 75y = 1.300
59 (12,5) + 75 (7,5) = 1.300
550 = 550
EJERCICIO 2.1
Resuelva los siguientes sistemas de 2 x 2, por eliminación y gráficamente.
1. 16x + 24y = 32 2. _ 2x + 3y = 0
9x + 12y = 15 8x _ 12y = 0
3. 4x1 + 6x2 = 0 4. 5x1 + 15x2 = 30
_ x + 4x = 0 5x1 _ 2x2 = 13
1 2
5. 2x _ 8y = 5 6. 2x + 4y = 16
_ 6x + 24y = 16 3x _ 4y = 4
7. 2x – 8y = 6 8. 15x1 – 13x2= 2
_ 3x + 12y = _9 9x1 _ 11x2 = _2
9. Las ecuaciones de demanda y oferta de ciertos artículos son p + 5x = 30, y p _3x =
6. Donde p es el precio y x la cantidad de demanda. Calcular los valores de x y p para
el punto de equilibrio en el mercado.
10.Las ecuaciones de oferta y demanda de pares de zapatos son: 7p + 8x = 100,
5p _ 40x = 9, respectivamente, determine los valores de p y x en el punto de equilibrio
en el mercado.
11. En una empresa de cosméticos el costo en dólares para producir x artículos al mes
está dado por C = 4x + 600. Si los cosméticos se venden a 8 dólares cada uno,
¿Cuántos se deberán producir con el objeto de lograr una utilidad mensual de $1.000
dólares?.
12.La ecuación de demanda de cierto producto es de 5p _ 8x = 4, y la ecuación de
oferta es de 7p + 5x = 9, en donde p es el precio y x es la cantidad de demanda.
Calcule los valores de x y p en el punto de equilibrio del mercado.
80 ALGEBRA LINEAL
13.Las ecuaciones de oferta y demanda de cierto artículo son respectiva-

mente 5x _ 4p = 9, 7x + 5p = 23, calcule el punto de equilibrio del
Demanda
mercado. Cantidad de un
artículo que los
14.Un fabricante de zapatos, produce dos clases, para mujer y para consumidores
hombre. Por cada unidad que vende de zapatos para mujer la están dispuestos
ganancia es de US$ 15, y por cada unidad que vende de zapatos a comprar.
para hombre es de US$ 20. De la experiencia se ha encontrado que
puede ser vendido el 25% más de zapatos para mujer que para
hombre. Para el año siguiente el fabricante desea una ganancia
total de $50000. ¿Cuántas unidades de cada tipo de zapato debe
fabricar y vender?.
2.2 SISTEMAS DE m ECUACIONES LINEALES CON n

VARIABLES
Un sistema de m ecuaciones lineales con n variables es una

expresión de la forma:
a11 x1 + a12 x2 + ... + a1n xn = b1
a21 x1 + a22 x2 + ... + a2 n xn = b2
.. .. .. ..
. . . .
am1 x1 + am2 x2 + ... + amn xn = bm donde los aij, bi están en R.
Oferta
Cantidad de un
Ejemplo 1. El sistema 5x + 2 y − 2 z = 10 artículo que los
fabricantes están
x + 2 y + 2z = 1 dispuestos a
5x + 4 y + 3z = 4 ofrecer.
tiene tres ecuaciones lineales con 3 variables x, y, z.

Punto de
Ejemplo 2. El sistema 5x1 − 3x2 + x3 + 2 x4 = − 15 equilibrio
−2 x1 − 3x2 + 2 x3 + 3x4 = − 4 Ocurre cuando la
cantidad
−5x1 − 12 x2 + 8 x3 + 13x4 = − 34 demandada de un
Tiene tres ecuaciones lineales con cuatro variables x1, x2, x3 y x4 artículo, es igual
a la cantidad
ofrecida en el
Ejemplo 3. El sistema de ecuaciones x2 + y2 = 5 mercado.
x + 2xy = –2
no es lineal, porque intervienen productos de las variables (xy), así
como también cuadrados de las variables (x2, y2)
Solución de un sistema de m ecuaciones con n variables.

Una n-upla de números reales (s1, s2, ..., sn) es una solución si satisface cada
una de las ecuaciones del sistema, el conjunto de todas las soluciones se llama la
solución general o conjunto solución.
Ejemplo 4. La 3-upla (1, 2, 3) correspondiente a x = 1, y = 2, z = 3, es una solución

del sistema
3x + 2y _ z = 4
x _ 2y + z = 0
2x + y _ z = 1
_
puesto que al reemplazar las variables x, y y z 3(1) + 2(2) (3) = 3 + 4 _ 3 = 4
por sus correspondientes valores en todas las (1) 2(2) + (3) = 1 _ 4 + 3 = 0
_
ecuaciones se verifican las igualdades. 2(1) + (2) _ (3) = 2 + 2 _ 3 = 1
Ejemplo 5. Encuentre los valores de a y b tales que (1, _2, 3) sea solución del sistema:
ax + by _ z = _7
2x + 3y _ bz = _13
Solución. Reemplazando x, y y z por sus valores correspondientes 1, _2, 3 en las dos
ecuaciones obtenemos:
a(1) + b(_2) _ (3) = _7
2(1) + 3(_2) _ b(3) = _13
Efectuando las operaciones indicadas: a _ 2b _ 3 = _7
2 _ 6 _ 3b = _13
Despejando a b de la segunda ecuación obtenemos: 2 _ 6 _ 3b = _ 13
_ 4 _ 3b = _13
_ 3b = _13 + 4
9
b =
3
b= 3
Reemplazando b por 3 en la ecuación a _ 2b _ 3 = _7 tenemos:
a _ 2(3) _ 3 = _7
a _ 6 _ 3 = _7
a = _7 + 9
a =2
Por lo tanto (1, _2, 3) es solución del sistema: 2x + 3y _ z = _ 7
2x + 3y _ 3z = _13
82 ALGEBRA LINEAL
Sistemas consistentes e inconsistentes

Si un sistema de ecuaciones tiene solución, se dice que el sistema es consistente,
en caso contrario se dirá que es inconsistente.
Ejemplo 6. De los ejemplos anteriores, tenemos que el sistema

3x + 2y _ z = 4
x _ 2y + z = 0 Es consistente, puesto que ya se comprobó que (1, 2, 3) es
2x + y _ z = 1 una solución del sistema.
Ejemplo 7. El sistema
2x + y = _1 Es inconsistente, puesto que al reemplazar 2x + y por _1 en
2x + y = 2_ la segunda ecuación obtenemos _1 = _2, lo cual es falso.
Expresiones matriciales de un sistema de ecuaciones lineales

Consideremos el sistema de m ecuaciones lineales con n variables:
a11 x1 + a12 x2 + ....+ a1n xn = b1
a21 x1 + a22 x2 + ....+ a2 n xn = b2
am1 x1 + am2 x2 + ....+ amn xn = bm
Definamos las siguientes matrices:
LM a 11 a12 L a1n OP
A=M PP
a 21 a22 L a2 n
MNa M
matriz de coeficientes
M O M
m1 am2 L amn Q
LM x OP
1 LMb OP
1
X = M P matriz de variables ; B = M P matriz de términos independientes
2 x b 2
MN xM PQ
n
MNbM PQ
n
Entonces:
LMa 11 a12 L a1n OP LM x OP LMa

1 11 x1+ a12 x2 + L + a1n xn OP
+ a22 x2 + L + a2 n xn
AX = M PP MM xM PP = MMa PP
a21 a22 L a2 n 2 21 x1
MNaM
m1
M
a m2
O M
L amn Q N x Q Na
n x
m1 1 + a x
M
m2 2 + L + amn xn Q
Contínua
Por lo tanto el sistema se puede escribir en la forma matricial: AX = B
LM a11 a12 L a1n OP LM x OP1 LMb OP

1
MM aM
21 a22
M
L a2n
O M
PP MM xM PP
2 = MMbM PP
2
MN a
m1 am2 L amn PQ MN x PQ
n
MNb PQ
m
Ejemplo 8. Escribir el sistema siguiente en forma matricial

3x1 _ 5x2 = 12
5x1 + 3x2 = 15
LM
Solución. Definimos las matrices A = 3 − 5 ; X = x1 ; B = 12 OP LM OP LM OP
5 3 x2 N 15 Q N Q N Q
Este sistema puede expresarse en la forma AX = B, o sea:
LM3 − 5OP LM x OP = LM12OP = B
AX =
N5 3Q N x Q N15Q
1
Ejemplo 9. Escribir el sistema siguiente en forma matricial 2x + y _ 2x = 10

3x + 2y + 2z = 1
5x + 4y +3z = 4
LM2 1 − 2OP LM x OP LM10OP

Solución. El sistema se puede representar como
MN53 42 32PQ MNzyPQ = MN14 PQ
Ejemplo 10. Escribir el sistema en forma matricial 6x1 + 4x2 = 0
3x1 + x2 = 0
LM6 4OPLM x OP = LM0OP

N3 1QN x Q N0Q
Solución. La expresión matricial es 1
2
Ejemplo 11. Escriba el sistema correspondiente a la representación matricial.

LM1 4 OP LM
− 1 x1 6 OP LM OP
− 7 x2 = −9
MN23 − 52 PQ MN
1 x3 2 PQ MN PQ
84 ALGEBRA LINEAL
Solución. El sistema correspondiente a la representación matricial es:

x1 + 4x2 _ x3 = 6
2x1 + 5x2 _ 7x3 = _ 9
3x1 _ 2x2 + x3 = 2
Sistemas equivalentes
Dos sistemas de ecuaciones lineales son equivalentes, cuando toda solución de
uno de ellos, lo es también del otro.
Ejemplo 12. Los sistemas de ecuaciones 3x + 4y = 2 6x + 8y = 4

4x + 5y = 26 8x + 10y = 52
Son equivalentes, puesto que la solución única de los dos sistemas es: x = 94 y y = _70.
Observación. El segundo sistema de ecuaciones se puede obtener del primero, mul-
tiplicando la primera ecuación por (2) y la segunda ecuación por (2).
EJERCICIO 2.2
1. Escriba el sistema de ecuaciones dado a la forma matricial. Sin resolverlos.
a) 2x1 + 4x2 + 6x3 = 18 b) 2x _ 8y = 6 c) x1 + x2 _ x3 = 7
4x1 + 3x2 + 6x3 = 24 _3x + 12y = _ 9 4x1 – x2 + 5x3 = 4
3x1 + x2 _ 2x3 = 4 6x1 + x2 +3x3 = 18
2. Escriba el sistema de ecuaciones lineales correspondiente a:
L4 OP LMx OP LM 7OP L2 OP LM OP LM OP
b) LM
4 6O LxO L7O
x
6 −4 2 1
a) M8 c) M 1
5 7 4
N7 − 1PQ MNyPQ = MN0PQ PQ MM PP
1 x
9 −1
MN4 PQ MNxx PQ = MN−21PQ
2
MN−3 0 −1 1 2 = 5
x MN PQ
6 1 3 2 −2 0 3
x4
−2
N Q
3. Diga cuáles sistemas son equivalentes. Sin resolverlos:
a) x1 + 3x2 = 6 b) 2x1 + 6x2 = 12 c) 7x1 + 4x2 = 25
5x1 _ 2x2 = 13 5x1 _ 2x2 = 13 5x1 _ 2x2 = 13

a) 6x1 + x2 + 3x3 = 18 b) x1 + x2 _ x3 = 7 c) x1 + x2 – x3 = 10
_
4x1 x2 + 5x3 = 4 4x1 _ x2 + 5x3 = 4 4x1 _ x2 + 5x3 = 20
_
x1 + x2 x3 = 7 6x1 + x2 + 3x3 = 18 6x1 + x2 + 3x3 = 35

a) x1 + 2x2 _ x3 = 4 b) x1 + 2x2 _ x3 = 50
_
3x1 + 4x2 2x3 = 7 3x1 + 4x2 _ 2x3 = 70
c) 6x1 + 8x2 _ 4x3 = 14
x + 2x _ x = 4
1 2 3
2.3 METODO DE ELIMINACION DE GAUSS Y

GAUSS - JORDAN
El método básico para resolver un sistema de ecuaciones lineales
es sustituir el sistema dado por un nuevo sistema que tenga el mismo
conjunto solución.
Para obtener el nuevo sistema se utiliza un algoritmo que consiste
en reducir el sistema a uno cada vez más simple, mediante la aplica-
ción de tres tipos de operaciones con el fin de eliminar incógnitas de
manera sistemática.
Operaciones elementales entre filas

En la solución del sistema intervienen una serie de pasos en los
cuales se aplican básicamente tres tipos de operaciones:
• Multiplicar una ecuación por una constante diferente de cero.
• Intercambiar dos ecuaciones.
• Sumar un múltiplo de una ecuación a otra.
Ejemplo 1. Encontrar la solución del siguiente sistema:

(1) 2x + y _ 2z = 0 Un sistema de
(2) 3x + 2y + 2 z = 0 ecuaciones se
(3) 5x + 4y + 3z = 0 puede escribir en
la forma
Solución. Para resolver el sistema escribimos la matriz de coeficien- matrialcal
AX = B, donde
tes al lado derecho del sistema; no es necesario escribir los términos A es la matriz de
independientes ya que en este caso todos son cero. coeficientes, X la
matriz de las
Coeficientes
incógnitas y B la
(1) 2x + y _ 2z = 0 2 1 _2
matriz columna
(2) 3x + 2y + 2z = 0 3 2 2 de términos
(3) 5x + 4y +3z = 0 5 4 3 independientes
Obsérvese que los Coeficientes del sistema son los coeficientes de

las incógnitas (ordenadas).En los siguientes pasos las operaciones se
harán simultáneamente sobre el sistema original y sobre la matriz de
coeficientes.
86 ALGEBRA LINEAL
A continuación aplicamos operaciones elementales entre filas, para reducir el siste-

ma original en uno equivalente pero más simple:
Multiplicando la ecuación (1) por 1 se obtiene:

2
Coeficientes
x+1y_z=0 1 1 _1
2 2
3x + 2y + 2z = 0 3 2 2
5x + 4y + 3z = 0 5 4 3
De aquí, multiplicando la primera ecuación por _3 y sumándola a la segunda; luego

multiplicando la primera ecuación por _5 y sumándola a la tercera, obtenemos:
Coeficientes
_ _1
x+1y z =0 1 1
2 2
1 y + 5z =0 0 1 5
2 2
3 y + 8z =0 0 3 8
2 2
Ahora multiplicando la segunda ecuación por _3 y sumándola a la tercera tenemos:

Coeficientes
x+1y_z =0 1 1 _1
2 2
1 y + 5z = 0 0 1 5
2 2
_ 7z = 0 0 0 _7
Se ha logrado de esta forma reducir el sistema original a un sistema (que tiene la

misma solución) mucho más simple, el cual denominaremos sistema en forma esca-
lonada.
El algoritmo aquí seguido hasta llegar a esta forma escalonada se llama método de
eliminación de Gauss.
De la tercera ecuación, z = 0. Sustituyendo este valor en la segunda se obtiene y = 0
y finalmente, reemplazando estos dos valores en la primera ecuación obtenemos el
valor de x : x = 0. Luego el sistema tiene una única solución: (0, 0, 0).
Es claro que todavía se pueden efectuar más operaciones sobre este último sistema,
en efecto: multiplicando la tercera por − 1 , y la segunda por 2 se obtiene:
7
Coeficientes
_
x+1y_z =0 1 1 1
2 2
y + 10z = 0 0 1 10
z =0 0 0 1
Forma
escalonada
Ahora, multiplicando la segunda por −1 y sumándola a la primera,
2 Matriz de
tamaño m x n,
resulta: donde el número
Coeficientes de ceros antes
x _ 6z = 0 1 0 _6 del primer
elemento no nulo
y + 10z = 0 0 1 10
de cada fila,
z =0 0 0 1 aumenta de fila
en fila, hasta
y de aquí, multiplicando la tercera por 6 y sumándola a la primera, y obtener posible-
luego multiplicando la tercera por _10 y sumándola a la segunda, se mente filas de
solo ceros.
obtiene finalmente:
x = 0 1 0 0
y = 0 0 1 0
z = 0 0 0 1
El sistema original se ha reducido a otro equivalente mucho más

sencillo, el cual tiene una forma que denominaremos forma escalona-
da reducida.
El algoritmo utilizado para llevar el sistema original a la forma esca-
lonada reducida se llama método de eliminación de Gauss-Jordan.
Ejemplo 2. Resolver el siguiente sistema:

1) 2x + y _ 2z = 10
2) 3x + 2y + 2z = 1
3) 5x + 4y + 3z = 4
Solución. El sistema original, sus coeficientes y sus términos inde-
Eliminación de
pendientes se presentan a continuación:
Gauss
Coeficientes | T. independientes Es un método
1) 2x + y _ 2z = 10 2 1 _2: 10 para resolver
2) 3x + 2y + 2z = 1 3 2 2: 1 sistemas de
ecuaciones
3) 5x + 4y + 3z = 4 5 4 3: 4 lineales mediante
operaciones
elementales entre
Multiplicando la ecuación (1) por 1 se obtiene: filas.
2
88 ALGEBRA LINEAL
Coeficientes | T. independientes
_
x+1y_z =5 1 1 1: 5
2 2
3x + 2y + 2z = 1 3 2 2: 1
5x + 4y + 3z = 4 5 4 3: 4
De aquí, multiplicando la primera por _3 y sumándola a la segunda; luego multipli-

cando la primera por _5 y sumándola a la tercera, obtenemos:
_
x+1y_z = 5 1 1 1: 5
2 2
1 y + 5z = _14 1 _
0 5: 14
2 2
3 y + 8z = _21 3 _
0 8: 21
2 2
ahora multiplicando la segunda ecuación por _3 y sumándola a la tercera tenemos:

_
x+1y_z = 5 1 1 1: 5
2 2
1 y + 5z = _14 1 _
0 5: 14
2 2
_7z = 21 0 0 _7: 21
obsérvese hasta aquí la forma escalonada que se aprecia fácilmente en la matriz de

coeficientes. De aquí se sigue que, z = _3. Sustituyendo en la segunda se obtiene y = 2
y finalmente, reemplazando estos dos valores en la primera ecuación obtenemos el valor
de x : x = 1. Luego el sistema tiene una única solución: (1, 2, _3).
Pero como se había notado, se pueden efectuar más operaciones sobre este último
sistema:
Multiplicando la tercera por −1 , y la segunda por 2 se obtiene:
7
_
x+1y_z = 5 1 1 1: 5
2 2
y + 10z = _28 0 1 10: _28
z = _3 0 0 1: _3
ahora, multiplicando la segunda por − 1 y sumándola a la primera, resulta:

2
x _ 6z = 19 1 0 _6: 19
y + 10z = _28 0 1 10: _28
z = _3 0 0 1: _3
De aquí, multiplicando la tercera por 6 y sumándola a la primera, y luego multiplican-

do la tercera por _10 y sumándola a la segunda, se obtiene finalmente:
x = 1 1 0 0: 1
y = 2 0 1 0: 2
z = 3 _ 0 0 1: _ 3
que es un sistema en forma escalonada reducida.

Los procedimientos seguidos en los ejemplos anteriores, permiten visualizar que cuando
se mantienen los coeficientes de las incógnitas en un sistema y se cambian los términos
independientes, las operaciones elementales entre filas siguen siendo las mismas. El
siguiente ejemplo ilustra esta ventaja.
Ejemplo 3. Supongamos que se quieren resolver simultáneamente dos sistemas de

ecuaciones lineales:
Primer sistema Segundo sistema
_
3x 2y = 0 y 3w _ 2z = 1
_
2x 4y = 0 2w _ 4z = 7
los cuales poseen los mismos coeficientes de las variables y sólo difieren en sus términos
independientes.
Podemos utilizar solamente los coeficientes de las variables junto con los términos inde-
pendientes para hallar la solución simultánea de los dos sistemas.
Construimos una matriz en la cual las tres primeras columnas corresponden al primer
sistema y las dos primeras columnas junto con la cuarta corresponden al segundo sistema.
Primer sistema → x y bi
B B B
LM3 − 2 : 0 1 OP
N2 − 4 : 0 7 Q
A A A
Segundo sistema →w z ci
LM1 2: 0 − 6 OP
Restando la segunda fila de la primera se obtiene:
N2 − 4: 0 7 Q
multiplicando la primera fila por –2 y sumando el resultado a la segunda fila:
90 ALGEBRA LINEAL
LM 1 2: 0 −6 OP
N0 −8: 0 19 Q
multiplicando la segunda fila por −
1 1 LM 2: 0 −6 OP
MN PQ
tenemos:
8 0 1: 0 − 19
8
y finalmente, sumándole _2 veces la segunda fila a la primera se obtiene:
Primer sistema → x y bi
B B B
LM 1 0 : 0 − 45 OP
MN 0 1: 0 − 198 PQ
A A A
Segundo sistema → w z ci
5 19
de donde se obtiene que, x = 0 = y , y w = − , z = − ,
4 8
Matriz aumentada. Otra forma de representar un sistema de ecuaciones linea-

les consiste en emplear la denominada matriz aumentada de la forma [AB], que
está compuesta por los coeficientes de las variables del sistema y los términos
independientes:
LM a11 a12 L a1n : b1 OP

MM aM
21 a22
M
L
O
a2n
M
: b2
M M PP
Nam1 am2 L amn : bm Q
Como vimos anteriormente la matriz aumentada es útil cuando se aplican los algoritmos
para resolver un sistema de ecuaciones lineales
Dado que las filas de una matriz aumentada corresponden a las ecuaciones del siste-
ma asociado, las tres operaciones elementales entre filas se pueden aplicar a la matriz
aumentada del sistema de ecuaciones lineales.
Ejemplo 4. Escribir la matriz aumentada asociada al siguiente sistema de ecuaciones:

3x + 2y _ 4z = 2
_2x + 5y + 3z = _2
4x + 6y _ 3z = 0
Solución. La matriz aumentada asociada al sistema es:
LM 3 2 −4 2 OP
AB
MN 4
= −2 5
6
3
−3
−2
0 PQ
Ejemplo 5. Dada la matriz aumentada de coeficientes. Escriba el
sistema representado por esta matriz:
4 LM 1 2 10 OP
0
1 MN 1
0
0
0
2
3 PQ Matriz
aumentada
Es la representa-
Solución. Escribiendo el sistema en notación matricial obtenemos: ción de un
LM4 OP LM x OP LM10OP
sistema lineal, en
1 2 forma de matriz,
MN01 PQ MNwzPQ = MN 23 PQ
1 0 compuesta por
los coeficientes
0 0
de las variables
LM4 x + w + 2 z O L10O
del sistema y los
0z P = M 2 P
términos
MN0xx + w
+ 0w
+
+ 0z PQ MN 3 PQ
independientes.
El sistema correspondiente a la matriz aumentada es:

4x + w + 2z = 10
w =2
x =3
Matriz escalonada. Una matriz m x n tiene la forma escalo-

nada, si verifica la siguiente condición:
Al leer la matriz de izquierda a derecha, se tiene que el número
de ceros antes del primer elemento no nulo de cada fila, aumen-
ta de fila en fila (de arriba hacia abajo) hasta obtener (posible-
mente) filas de ceros.
Ejemplo 6. Las siguientes matrices tienen la forma escalonada:

LM
1 4 0 7 OP LM
1 0 − 10 − 4 OP
A= 0 B = 0 2 −7
0MN 2
0
5 3
1 20 PQ MN
0 0 0
7
10 PQ
LM1 8O LM1 9O
9P
3 7
7P
0 7
2 −7
D = M0 7P
0
C= M
6P
0 1 6
MN00 0 PQ
MM0 0 0
0P
0 PQ
0 0
0 0
0 0
N0 0 0
92 ALGEBRA LINEAL
Matriz escalonada reducida. Una matriz m x n tiene la forma escalonada

reducida por filas. Cuando satisface las siguientes condiciones.
• Tiene la forma escalonada.
• El primer elemento no nulo de cada fila es 1 y es el único elemento distinto de
cero de la respectiva columna.
1 LM 0 0 7 OP LM
1 7 0 0 9 OP
Ejemplo 1. Las matrices: A = 0 B= 0 0 1 0 1
0 MN 1
0
0 10
1 9 PQ MN
0 0 0 1 3 PQ
Están en forma escalonada reducida.
Método de Gauss. Para resolver un sistema de ecuaciones lineales por el méto-

do de Gauss se utilizan las operaciones elementales entre filas, para transformar
la matriz aumentada del sistema original, en la matriz aumentada en forma esca-
lonada de un sistema equivalente. Los pasos a seguir son:
Paso I : Formar la matriz aumentada [AB]
Paso II : Transformar la matriz aumentada a su forma escalonada mediante ope-
raciones elementales entre filas.
Paso III : Se escribe el sistema correspondiente a la forma escalonada y de este
sistema se obtiene la solución.
El proceso a seguir se puede representar en un esquema así:

___________>
Sistema inicial → Matriz aumentada
Operaciones
elementales
___________>
Forma escalonada → Sistema final
Ejemplo 7. Hallar la solución del siguiente sistema, utilizando el método de Gauss.
Sistema inicial x1 − 3x2 + x3 + 2 x4 = 6

3x1 − 8 x2 + 4 x3 + 4 x4 = 15
−2 x1 + 8 x2 + 3x3 − 11x4 =− 21
x1 + 2 x2 − 3x3 + 3 x4 = 8
3x1 − x2 + 5 x3 − 2 x4 = 8
Solución:
Matriz aumentada
LM 1 −3 1 2 OP
6
= M −2 PP
3 −8 4 4 15
AB
MM 1 8
2
3
−3
−11
3
−21
8 PP
MN 3 −1 5 −2 8 Q
Para llevar la matriz aumentada del sistema original a una forma escalonada, inicial-
mente debemos transformar en ceros los elementos bajo a11 = 1; esta transformación se
hace mediante la aplicación de operaciones elementales entre filas.
El elemento a11 = 1 se denomina elemento pivote.
___________>
Operaciones
elementales
___________ >
1. Se cambia la segunda fila por el resultado de multiplicar la primera fila por (_3) y
sumar el resultado a la segunda fila, esta operación se puede abreviar como:
F2 ↔ (_3)F1 + F2
F1 1 −3 1 2 6
F2 3 −8 4 4 15
( −3)F1 −3 9 −3 −6 −18
F2 3 −8 4 4 15
( −3)F1 + F2 0 1 1 −2 −3
2. Se cambia la tercera fila por el resultado de multiplicar la primera fila por (2) y sumar
el resultado a la tercera fila, esta operación se puede abreviar como:
F3 ↔ (2)F1 + F2
F1 1 −3 1 2 6
F3 −2 −8 3 −11 −21
(2) F1 2 −6 2 4 12
F3 −2 8 3 −11 −21
(2) F1 + F3 0 2 5 −7 −9
3. Se cambia la cuarta fila por el resultado de multiplicar la primera fila por (_1) y
sumar el resultado a la cuarta fila, esta operación se puede abreviar como:
94 ALGEBRA LINEAL
F4 ↔ (_1)F1 + F4
F1 1 −3 1 2 6
F4 1 2 −3 3 8
( −1) F1 −1 3 −1 −2 −6
F4 1 2 −3 3 8
( −1) F1 + F4 0 5 −4 1 2
4. Se cambia la quinta fila por el resultado de multiplicar la primera fila por (_3) y sumar
el resultado a la quinta fila, esta operación se puede abreviar como:
F5 ↔ (_3)F1 + F5
F1 1 −3 1 2 6
F5 3 −1 5 −2 8
( −3) F1 −3 9 −3 −6 −18
F5 3 −1 5 −2 8
( −3) F1 + F5 0 8 2 −8 −10
Escribiendo los resultados obtenidos anteriormente encontramos la matriz aumenta-

da de un sistema de ecuaciones equivalente al inicial:
F1 LM 1 −3 1 2 6 OP
F2 ↔ ( −3) F1 + F2
F3 ↔ (2) F1 + F3 MM00 1
2
1
5
−2
−7
−3
−9 PP
F4 ↔ ( −1) F1 + F4 MM00 5 −4 1 2 PP
F5 ↔ ( −3) F1 + F5 N 8 2 −8 −10 Q
Continuando el proceso, debemos transformar en ceros los elementos bajo a22 = 1
___________>
Operaciones
elementales
___________>
5. Se cambia la tercera fila por el resultado de multiplicar la segunda fila por (_2) y
sumar el resultado a la tercera fila, esta operación se puede abreviar como:
F3 ↔ (_2)F2 + F3
F2 0 1 1 −2 −3
F3 0 2 5 −7 −9
( −2) F2 0 −2 −2 4 6
F3 0 2 5 −7 −9
( −2) F2 + F3 0 0 3 −3 −3
6. Se cambia la cuarta fila por el resultado de multiplicar la segunda fila por (_5) y
sumar el resultado a la cuarta fila, esta operación se puede abreviar como:
F4 ↔ (_5)F2 + F4
F2 0 1 1 −2 −3
F4 0 5 −4 1 2
( −5) F2 0 −5 −5 10 15
F4 0 5 −4 1 2
( −5) F2 + F4 0 0 −9 11 17
7. Se cambia la quinta fila por el resultado de multiplicar la segunda fila por (_8) y
sumar el resultado a la quinta fila, esta operación se puede abreviar como:
F5 ↔ (_8)F2 + F5
F2 0 1 1 −2 −3
F5 0 8 2 −8 −10
( −8) F2 0 −8 −8 16 24
F5 0 8 2 −8 −10
( −8) F2 + F5 0 0 −6 8 14
Escribiendo los resultados obtenidos anteriormente encontramos la matriz aumenta-

da de un sistema de ecuaciones equivalente al inicial:
F1 LM 1 −3 1 2 6OP
F2
F3 ↔ ( −2) F2 + F3
MM00 1 1 −2
−3
−3
−3
PP
MM0 PP
0 3
F4 ↔ ( −5) F2 + F4 0 −9 11 17
N0 Q
___________>
F5 ↔ ( −8) F2 + F5 0 −6 8 14
Operaciones
elementales
___________ >
96 ALGEBRA LINEAL
8. Aunque podíamos continuar el proceso con a33 como elemento pi-

vote, los pasos siguientes se simplifican si transformamos en 1 el
elemento a33; para esto multiplicamos la fila 3 por 13 , esta opera-
ción elemental se representa como: F3 ↔ ( 13 )F3
F1 LM 1 −3 1 2 6 OP
F2
F3 ↔ ( 1 ) F3
MM00 1 1 −2
−1
−3
−1
PP
MM0 PP
0 1
3
F4 0 −9 11 17
F5 N0 0 −6 8 14 Q
Debemos convertir en ceros todos los elementos bajo el elemento
pivote a33= 1
___________>
Operaciones
elementales
___________ >
9. Cambiamos la cuarta fila por el resultado de multiplicar la tercera Operaciones
fila por 9 y sumar el resultado a la cuarta fila, esta operación se elementales
puede abreviar como: F4 ↔ (9)F3 + F4 • Multiplicar una
fila de una matriz
F3 0 0 1 −1 −1 por un escalar
• Intercambiar
F4 0 0 −9 11 17 dos filas.
•Multiplicar una
(9) F3 0 0 9 −9 −9 fila por un
escalar y sumarlo
F4 0 0 −9 11 17 a otra fila.
(9) F3 + F4 0 0 0 2 8
10.Cambiamos la quinta fila por el resultado de multiplicar la tercera

fila por 6 y sumar el resultado a la quinta fila, esta operación se
puede abreviar como: F5 ↔ (6)F3 + F5
F3 0 0 1 −1 −1
F5 0 0 −6 8 14
(6) F3 0 0 6 −6 −6
F5 0 0 −6 8 14
(6) F3 + F5 0 0 0 2 8
F1 LM 1 −3 1 2 6 OP
F2
MM00 1 1 −2
−1
−3
−1
PP
MM0 PP
F3 0 1
F4 ↔ (9) F3 + F4 0 0 2 8
F5 ↔ (6) F3 + F5 N0 0 0 2 8 Q
11. Aunque podíamos continuar el proceso con a44 como elemento pivote, los pasos
siguientes se simplifican si transformamos en 1 el elemento a44; para esto multiplica-
mos la fila 4 por 1
2
esta operación elemental se representa como: F4 ↔ ( 21 )F4
F1 LM 1 −3 1 2 6 OP
F2
F3 MM 00 1 1 −2
−1
−3
−1
PP
MM 0 PP
0 1
F4 ↔ ( 1)F4 0 0 1 4
F5
2
MN 0 0 0 2 8 PQ
Debemos convertir en ceros todos los elementos bajo el elemento pivote a44 = 1
___________>
Operaciones
elementales
___________ >
12.Cambiamos la quinta fila por el resultado de multiplicar la cuarta fila por (_2) y sumar
el resultado a la quinta fila, esta operación se puede abreviar como: F5 ↔ (_2)F4 + F5
F4 0 0 0 1 4
F5 0 0 0 2 8
( −2) F4 0 0 0 −2 −8
F5 0 0 0 2 8
( −2) F4 + F5 0 0 0 0 0
Forma escalonada
F1 LM 1 −3 1 2 6 OP
F2
MM00 1 1 −2
−1
−3
−1
PP
MM0 PP
F3 0 1
F4 0 0 1 4
F5 ↔ ( −2) F4 + F5 N0 0 0 0 0 Q
98 ALGEBRA LINEAL
Sistema final
x1 − 3x2 + x3 + 2 x4 = 6
x 2 + x3 − 2 x 4 =− 3
x3 − x4 =−1
x4 = 4
0 = 0
Ahora se reemplaza por x4 por 4 en la ecuación: x3 − x4 = −1

x3 − 4 = − 1
de donde: x3 = 3
Reemplazamos x4 por 4 y x3 por 3en la ecuación: x2 + x3 − 2 x4 =−3
x2 + (3) − 2(4) =−3
x2 + 3 − 8 =−3
x2 = 2
Reemplazamos x4 por 4, x3 por 3 y x2 por 2 en la ecuación:

x1 − 3x2 + x3 + 2 x4 = 6
x1 − 3(2) + (3) + 2(4) = 6
x1 = 1
De donde la solución del sistema es: x1 = 1, x2 = 2, x3 = 3, x4 = 4
Ejemplo 8. Una persona invierte US $ 25 000 en tres inversiones diferentes a una tasa
del 8%, 10% y 12%. Los intereses totales al cabo de un año fueron de US $ 2.440 y los
intereses por las inversiones al 8% y al 12% fueron iguales. ¿Cuánto invirtió a cada tasa?
Solución. Sea x la inversión al 8%, y al 10% y z al 12%; luego la primera ecuación es
la suma de las inversiones, es decir x + y + z = 25.000; ahora como los intereses totales
producidos por el dinero invertido a las tasas del 8%, 10% y 12% fue de US $ 2.440,
entonces la segunda ecuación es 0,08x + 0,10y + 0.12z = 2.440 y por las condiciones del
problema los intereses por las inversiones al 8% y al 12% son iguales, entonces:
0,12
0,08x = 0,12z; luego x = 0,08 z de lo cual obtenemos la tercera ecuación x = 1,5z, entonces
el sistema queda así:
(1) x+ y+ z = 25.000
(2)0,08 x + 0,10 y + 0,12 z = 2.440
(3) x = 15. z
Ahora multiplicamos (1) y (2) por (100) para trabajar con números enteros, luego las
dos primeras ecuaciones del sistema son:
(1) 100 x + 100 y + 100z = 2`500.000
(2) 8 x + 10 y + 12 z = 244.000
Nuevamente vamos a multiplicar (2) por (_10) para eliminar y, y obtenemos:

(1) 100 x + 100 y + 100z = 2`500.000
(2) − 80 x − 100 y − 120z = − 2`440.000
(4) 20 x / − 20z = 60.000
pero como x = 1.5z, reemplazando en (4) entonces 20(1,5z)_20z = 60.000,

luego: 30z _20z = 60.000 o sea 10z = 60.000,
de donde z = 60.000 o sea se invirtieron z = 6.000 dólares al 12%.
10
Ahora como x = 1,5z entonces x = 1,5(6.000),
luego se invirtieron x = 9 000 dólares al 8%.
Finalmente despejando y en (1) tenemos que y = 25.000 _ (x + z),

o sea y = 25.000 _ (9.000 + 6.000), es decir y = 25.000 _ 15 000,
luego se invirtieron y = 10.000 dólares al 10%.
Ahora resolvamos el sistema aplicando el método de Gauss.

(1) x + y + z = 25.000
(2) 0,08 x + 0,10 y + 0,12 z = 2.440
(3) 0,08 x − 0,12 z = 0
LM 1 1 1 OP
25.000
~ M
M 8
100
10
100
12
100
2.440 P F ↔
P 2 F +F
− 8 1
100 2
MN 8
100
0 − 12
100
0 PQ F ↔ 3 F +F
− 8 1
100 3
LM1 1 1 25.000 O
P
~ M
M0 2
100
4
100
440 P
P
MN0 − 8
100
− 20
100
−2.000PQ F ↔ −4 F + F
3 2 3
LM1 1 1 25.000O
P
~ M
M0 2
100
4
100
440 P
P
MN0 0 − 4
100
−240 PQ
El sistema de ecuaciones correspondiente a esta matriz es:

100 ALGEBRA LINEAL
(1) x+ y + z = 25.000
( 2) 2 y + 4 z = 440
100 100
(3) − 4 z = −240
100
De la ecuación (3) tenemos:

− 100
4 z = −240 ⇒ 4
100
z = 240 ⇒ z = 24 .00
42
= 6.000 dólares
al 12%, ahora:
De la segunda ecuación:
( 4 ) ( 6000) (100) ( 200)
2
100
y+ 100
= 440 e y = 2
= 10.000 dólares al 10%,
Finalmente reemplazando en la ecuación (1):

x + 16.000 = 25.000 ==> x = 9.000 dólares al 8%.
Método de Gauss _ Jordan

Para resolver un sistema de ecuaciones lineales por el método
de Gauss-Jordan se utilizan las operaciones elementales entre
filas, para transformar la matriz aumentada del sistema original,
en la matriz aumentada en forma escalonada reducida de un
sistema equivalente.
Los pasos a seguir son:
Paso I: formar la matriz aumentada [AB] Método de
Paso II: transformar la matriz aumentada a su forma escalo- Gauss
nada reducida mediante operaciones elementales en- Sistema inicial
tre filas.
Paso III: se escribe el sistema correspondiente a la forma
B
[AB]Matriz
escalonada y de este sistema se obtiene la solución aumentada
___________> B
Sistema inicial → Matriz aumentada
Operaciones
elementales
Operaciones
elementales
B
___________ >
→
Forma escalonada Forma escalona-
Sistema final da reducida
B
reducida
Solución
Ejemplo 9. Hallar la solución del siguiente sistema, utilizando el método de Gauss-

Jordan.
x1 + 2 x2 + x3 = 2
Sistema inicial 3x1 + x2 − 2 x3 = 1
4 x1 − 3x2 − x3 = 3
2 x1 + 4 x2 + 2 x3 = 4
LM 1 2 1 2 OP
= M PP
Matriz aumentada 3 1 −2 1
A:B
MM4 −3 −1 3
PQ
N2 4 2 4
Para llevar la matriz aumentada del sistema original a una forma escalonada reduci-
da, inicialmente debemos transformar en ceros los elementos bajo a11 = 1; esta transfor-
mación se hace mediante la aplicación de operaciones elementales entre filas.
___________>
Operaciones
elementales
___________
>
LM 1 2 1 2 OP
F2 ↔ ( −3) F1 + F2
LM 1 2 1 2 OP
MM43 1 −2 1
−3 −1 3
PP
F3 ↔ ( −4) F1 + F3 MM00 −5 −5 −5
−11 −5 −5
PP
F2 ↔ ( − 1 ) F2
MN2 4 2 4 ←PQ
F4 ↔ ( −2) F1 + F4
→ MN0 0 0 0
←
PQ 5 →
LM 1 2 1 2 OP
MM00 1
−11
1
−5
1
−5
PP
MN0 0 0 0 PQ
A continuación tomamos al elemento a22 = 1 como elemento pivote, es decir me-
diante operaciones elementales entre filas transformamos en cero los elementos que se
encuentran por encima y por debajo del elemento pivote.
102 ALGEBRA LINEAL
___________
>
Operaciones
elementales
___________
>
LM 1 2 1 2 OP
F1 ↔ ( −2) F2 + F1
LM 1 0 −1 0 OP
MM00 1
−11
1
−5
1
−5
PP
F3 ↔ (11) F2 + F3 MM00 1 1 1
PP
MN0 PQ MN0 PQ
0 1 1
← →
0 0 0 0 0 0
Ahora tomamos al elemento a33 = 1 como elemento pivote, es decir mediante opera-
ciones elementales entre filas transformamos en cero los elementos que se encuentran
por encima y por debajo del elemento pivote.
___________
>
Operaciones
elementales
___________
>
LM1 0 −1 OP
0
F1 ↔ F3 + F1
LM1 0 0 OP
1
MM00 1 1 1
PP F2 ↔ ( −1) F3 + F2 MM00 1 0 0
PP
MN0 PQ MN0 PQ
0 1 1 0 1 1
← →
0 0 0 0 0 0
Forma escalonada
reducida
Después de aplicar las operaciones elementales entre filas, obtenemos una matriz en
forma escalonada reducida correspondiente a un sistema de ecuaciones equivalente al
sistema inicial.
x1 x2 x3 bi
1 0 0LM 1 OP
0 1 0
MM 0
PP
MN PQ
0 0 1 1
0 0 0 0
Sistema final
x1 =1
x2 =0
x3 = 1
Este sistema posee solución única, a saber S = {(1, 0, 1)}

Ejemplo 10. Resolver el sistema: 2x _ 3x + x + 2x = _11

_ 3x 1 _ 2x2 + 2x3 + 3x4 = _4
_ 5x 1 _ 12x2 + 8x3 + 13x4 = _34
1 2 3 4
Matriz aumentada
LM x 1 x2 x3 x4 bi OP
= M PP
2 −3 1 2 −11
AB
MM−3 −2 2 3 −4
PQ
N−5 −12 8 13 −34
Para resolver el sistema por el método de Gauss-Jordan es necesario que el elemento

a11 sea igual a 1, este 1 se puede obtener de varias maneras, entre estas multiplicando la
primera fila por ½.
Otro procedimiento posible es intercambiar la columna 1 con la columna tres (esta no
es una operación elemental entre filas), en este caso debemos tener en cuenta que el
orden de las variables se ha cambiado y por tal motivo, escribimos las variables en la
primera fila de la matriz aumentada.
N Peligro. Es posible cambiar dos columnas en un sistema de ecuaciones teniendo en

cuenta que las variables cambian de posición, pero no es posible multiplicar una
columna por una constante, así como tampoco es posible multiplicar una columna
por una constante y sumarla a otra columna.
Intercambiando la columna 1 con la columna 3, lo cual podemos abreviar como
C1 ↔ C3, obtenemos:
LM x1 x2 x3 x4 bi OP x3 LM x2 x1 x4 OP
bi
MM−23 −3
−2
1 2 −11
PP
C1 ↔ C3
−4 ←→ 2
1
MM −3
−2
2
−3
2 −11
−4
PP
MN−5 PQ MN PQ
2 3 3
−12 8 13 −34 8 −12 −5 13 −34
___________>
Operaciones
elementales
___________ >
El elemento pivote es a11 = 1; mediante operaciones elementales entre filas transfor-
mamos en cero a los elementos bajo a11
104 ALGEBRA LINEAL
LM x
3 x2 x1 x4 bi OP x3 x1 x2 x4 bi LM OP
MM 21 −3 2
−2 −3
2 −11
3 −4
PP
F2 ↔ ( −2) F1 + F2
1 2
0 −7
−3 2 −
4 −1 18
11
MM PP
MN 8 −12 −5 PQ
F3 ↔ ( −8) F1 + F3
13 −34 ← → 0 −21 12 −3 54 MN PQ
Continuando con el método de Gauss _ Jordan debemos convertir el elemento a22
en 1; observamos que en la fila 2 se encuentra el elemento a24 = _1. Nuevamente pode-
mos intercambiar la columna 2 con la columna 4, lo cual indicamos como C2 ↔ C4.
(Debemos tener en cuenta que esta no es una operación elemental entre filas y que otra
vez se ha cambiado el orden de las variables)
LM x 3 x1 x2 x4 OP
bi x3 LM x4 x2 x1 biOP
MM 01 2
−7
−3 2
−1
PP
−11 C2 ↔ C 4
18 ←→ 0
1
MM 2
−1
−3 2
−7
−11
PP
MN 0 PQ MN PQ
4 4 18
−21 12 −3 54 0 −3 12 −21 54
Continuando con las operaciones elementales, multiplicamos la segunda fila por (_1)
para que nos quede a22 = 1 como elemento pivote.
___________>
Operaciones
elementales
___________
LM x OP
>
3 x 4 x2 x1 bi
MM 01 2 −3
−1 4 − 7
2 −11
F2 ↔ ( −1) F2
PP
MN 0 PQ
18
−3 12 −21 54 ←→
LM x bO
−11P F ↔ ( −2) F + F
3 x 4 x2 x1 i
MM 01 2 −3
1 −4
2
−18P
P1 2 1
MN 0 54PQ ←
7
−3 12 −21 F ↔ (3) F + F
3 → 2 3
Forma escalonada
reducida
LM x 3 x4 x2 x1 bi OP
MM 01 0 5
−4
−12 25
−18
PP
MN 0 PQ
1 7
0 0 0 0
Sistema final
x3 + 5x2 _ 12x1 = 25
x4 _ 4x2 + 7x1 = _18
Este es un sistema equivalente al sistema inicial, en el cual encontramos 4 variables y
2 ecuaciones. Un sistema consistente que en su forma escalonada o escalonada reduci-
da posee más variables que ecuaciones, tiene múltiples soluciones, puesto que, cada vez
que asignemos valores arbitrarios a las variables x2, x1, podemos obtener los valores
correspondientes para x3, x4.
De las ecuaciones anteriores despejamos x3, x4 en términos de x2, x1.
x3 = 25 + 12x1 – 5x2
x4 = –18 – 7x1 + 4x2
La solución general del sistema se puede escribir como:
S = {(x1, x2, x3, x4)  x3 = 25 + 12x1 – 5x2, x4 = –18 – 7x1 + 4x2, x1, x2, ∈ R}
Asignando valores arbitrarios a x1, x2 obtengamos algunas soluciones:
1. x1 = 1 2. x1 = 0
x2 = –1 x2 = –3
x3 = 25 + 12(1) – 5 (–1) = 42 x3 = 25 + 12(0) – 5 (–3) = 38
x4 = – 18 – 7 (1) + 4 (–1) = –29 x4 = – 18 – 7 (0) + 4 (–3) = –30
Ejemplo 11. Una empresa tiene 53 empleados en las oficinas A y B, de los cuales
hay 21 profesionales. Si una tercera parte de las personas que laboran en la oficina A, y
tres séptimos de los que se encuentran en la oficina B son profesionales.¿ Cuántos
empleados hay en cada oficina?
Solución. Sea x el número de empleados que laboran en la oficina A y sea y el
número de empleados que laboran en la oficina B.
Luego la primera ecuación es: x + y = 53; ahora como en la oficina A la tercera parte
son profesionales, al igual que en B son tres séptimos, entonces la segunda ecuación es:
1 x + 3 y = 21; luego se forma el sistema siguiente:
3 7
(1) x + y = 53
(2) 1 x + 3 y = 21
3 7
(1) − 1 x − 1 y = − 53
3 3 3
Ahora multiplicando la ecuación (1) por (– 1 ), tenemos: (2) 1 x + 3 y = 21
3 3 7
/ + 2 y= 10
21 3
106 ALGEBRA LINEAL
(10) (21)
Entonces, 2 y = 10 , luego 2y = o sea y = 210 = 35; ahora reemplazan-
21 3 3 6
do el valor de y en la ecuación (1), tenemos: x + 35 = 53, luego x = 53 – 35 = 18, por tanto
en la oficina A hay 18 empleados y en la oficina B hay 35.
En forma matricial, utilizando la matriz aumentada del sistema tenemos:
LM1 1 53 OP ∼ LM1 1 53 OP ∼
N
1
3
3
7
21 Q F2 ↔ − 1 F1 + F2
N0 2
21
10
3 QF
2 ↔ 21 F2
3 2
LM1 1 53 OP ∼ LM1 0 OP
18 Por tanto x = 18 y
N0 1 35 Q F1 ↔ − F1 + F2 N0 1 35Q y = 35, resultado
idéntico al anterior.
Ejemplo 12. Una fábrica produce dos modelos de un producto, cada modelo se
ensambla con piezas de dos tipos de materias; el modelo A requiere 20 piezas del Tipo I
y 45 del Tipo II. El modelo B requiere 25 piezas del Tipo I y 70 del Tipo II. La fábrica
recibe de sus proveedores 1.675 piezas del Tipo I y 4.250 del Tipo II a la semana.
¿Cuántas unidades de cada modelo deben producir a la semana, de modo que todas las
piezas del Tipo I y del Tipo II sean utilizadas?
Solución. La siguiente tabla ilustra las condiciones del problema.
Modelo A Modelo B Total disponible
Piezas del tipo I LM 20 25 1675
. OP
Piezas del tipo II N 45 70 4.250 Q
Sea x el número de artículos del modelo A fabricados cada semana, e y el número de
artículos del modelo B, se forma el sistema de ecuaciones lineales:
1) 20x + 25y = 1.675
2) 45x + 70y = 4.250
Ahora escribimos la matriz aumentada del sistema.
LM20 OP LM1 O LM1 OP

850PQ
5 335 5 335
25 1675
.
N45 Q ∼ N9 ∼ MN0 PQ
4 4 4 4
70 4.250 11 365
14 4 4
F1 ↔ 1 F1 F2 ↔ −9 F1 + F2
20
F2 ↔ 1 F2
5
∼
LM 1 5 335 OP ∼ LM1 0 40 OP
MN PQ N0 Q
4 4
0 1 1.540 1 35
44
F2 ↔ 4 F2 F1 ↔ − 5 F2 + F1
11 4
Por tanto: x = 40 Unidades del modelo A y = 35 Unidades del modelo B
Ejemplo 13. Una empresa fabrica dos productos A y B. Cada producto tiene que
ser procesado por dos máquinas I y II. Cada unidad del tipo A requiere una hora de
procesamiento en la máquina I, y 1,5 horas en la máquina II, y cada unidad del tipo B
requiere de 3 horas en la máquina I, y 2 horas en la máquina II. Si la máquina I está
disponible 300 horas al mes y la máquina II, 250 horas al mes, ¿ cuántas unidades de
cada tipo podrá fabricar al mes, si utiliza el tiempo total de que disponen las dos máqui-
nas?
Solución. Sea x unidades del producto A e y unidades del producto B, luego se
forma el sistema de ecuaciones:
x + 3y = 300
1,5x + 2y = 250
Ahora formamos la matriz aumentada:
LM I 1 3 300 OP
N II 15
. 2 250 Q
LM 1 3 300 O
P LM 1 3 300OP
∼
MN1.5 2 250 PQ F ↔ −1.5F + F
2 MN 0
1 2 −2.5 − 200 PQ F → −
2
1 F
2. 5
2
∼
LM 1 3 300 O F → −3F + F
P LM 1 0 60 O
P
MN 0 80 PQ ∼ M0 80 PQ
1 2 1
1 N 1
Por lo tanto: x = 60 e y = 80
Luego la empresa produce 60 unidades del producto A y 80 unidades del producto B.
Ejemplo 14. Una persona tiene $99.000 en billetes de $1.000, $5.000 y $10.000; si
tiene 26 billetes, y la cantidad de billetes de $ 1.000 es el doble de la de $5.000. ¿Cuántos
billetes tiene de cada denominación?
108 ALGEBRA LINEAL
Solución. Sea x1 : Número de billetes de $1.000

x2 : Número de billetes de $5.000
x3 : Número de billetes de $10.000
Entonces: (1) x1 + x2 + x3 = 26
(2) 1.000x1 + 5.000x2 + 10.000x3 = 99.000
(3) x1= 2x2
Solución por Gauss – Jordan. Dividiendo (2) por 1.000 y ordenando los términos
del sistema, nos queda:
(1) x1 + x2 + x3 = 26
(2) x1 + 5x2 + 10x3 = 99
(3) x1 – 2x2 =0
Ahora formamos la matriz aumentada:
LM1 1 1 26 OP
∼ MM1 5 10 99 P F → −F + F
P 2 1 2
MN1 −2 0 0 PQ F → −F + F
3 1 3
LM 1 1 1 26 O
P
∼ MM 0 4 9 73P F → 1 F
P 4
2 2
MN 0 −3 −1 −260 PQ
LM 1 1 1 26 O F → −F + F
PP 1 2 1
∼ MM 0 1 9 73
P
MN 1 −26 PQ F → 3F + F
4 4
−3 −1 3 2 3
LM 1 0 −5 31 OP
MM 0 18.25P F → 4 F
4 4
∼
PP 23
1 9
3 3
MN 0
4
0 23
4
115
4 Q
LM 1 0 0 14 O
P
∼ MM 0 1 0 7P
P
MN 0 0 1 5 PQ
Luego hay:
14 billetes de $ 1.000,
7 billetes de $ 5.000 y
5 billetes de $10.000
Múltiples soluciones
Un sistema en forma escalonada o escalonada reducida, en el cual encontramos
más variables que ecuaciones tiene múltiples soluciones o no tiene solución
Si el sistema en forma escalonada o escalonada reducida tiene m variables y k
ecuaciones con m > k, decimos que el sistema tiene solución y m – k variables
libres.
Las variables libres son aquellas donde no fue posible ubicar elemento pivote.
Ejemplo 15. Halle la solución general del sistema: x1 + x2 – x3 = 7

4x1 – x2 + 5x3 = 4
6x1 + x2 + 3x3 = 18
Solución. Utilizando el método de Gauss – Jordan:
1 LM
1 −1 7 OP
4 −1
MM 5 4 F2 → −4 F1 + F2
PP
6 1 N 3 18 F3 → −6F1 + F3 Q
LM 1 1 −1 OP
7 F → −F + F
MM00 PP
3 2 3
−5 9 −24 1
F2 → − F2
N −5 9 −24 5
Q
LM 1 1 −1 OP
7 F → −F + F
MM0 PP
1 2 3
1 −9 24
5
5
N0 0 0 0Q
LM 1 0 4 11 OP
MM0 PP
5 5
1 − 9 24
MMN0 0P
5 5
0 0
PQ
Luego la solución general se puede escribir:
{
S = ( x11 x 21 x3 ) x1 = 11 − 4 x3 , x2 = 24 + 9 x3 , x3 ∈R
5 5 5 5 }
110 ALGEBRA LINEAL
Ejemplo 16. Una empresa quiere comprar 24 carros-tanque con una capacidad de
carga combinada de 250.000 galones. Se dispone de carro-tanques con tres diferentes
capacidades de carga: 6.000 galones, 8.000 galones y 18.000 galones. ¿Cuántos carro-
tanques de cada tipo se deben comprar?
x1 = Número de carro-tanques de 6000 galones
Entonces: x1 + x2 + x3 = 24 Número total de carro-tanques
6.000x1 + 8.000x2 + 18.000x3 = 250.000 Capacidad total de carga
Ahora se puede formar una matriz aumentada del sistema y resolverla mediante
eliminación Gauss-Jordan:
LM 1 1 1 24 OP 1 F → F (Simplifique RF )
N6.000 8.000 18.000 250.000 Q 1000 2 2 2
LM1 24O
250 PQ
1 1
∼ ( −6) F + F → F
N6 8 18 1 2 2
∼ LM1 1 1 OP
24 1
F = F2
N0 2 12 Q
106 2 2
∼
LM1 1 1 24 OP
( −1) F2 + F1 → F1
N0 1 6 53 Q
∼
LM1 0 −5 − 29 OP
N0 Q
La matriz está en forma reducida
1 6 53
x1 − 5x3 = − 29 o x1 = 5x3 − 29
x2 + 6 x3 = 53 x2 = −6 x3 + 53
Sea x3 = t. Entonces para cualquier número real t: x1 = 5t --- 29

x2 = --- 6t + 53
x3 = t
Es una solución, ¿o no?. Como las variables en este sistema representan el número
de carros-tanque comprados, los valores de x1, x2, y x3 deben ser enteros no negativos.
Así la tercera ecuación necesita que t sea un entero no negativo.
La primera ecuación necesita que 5t --- 29 > 0, de manera que t debe ser por lo menos 6.
La ecuación (2) necesita que --- 6t + 53 > 0, de manera que t, no pueda ser mayor que
8. Así, 6,7, y 8 son los únicos valores posibles para t. Solo hay tres combinaciones
posibles que cumplen las especificaciones de la compañía, de 23 carro-tanques con una
capacidad total de carga de 250.000 galones, como se muestra en la siguiente tabla:
Carro − tanques
t de 6.000 galones de 8.000 galones de 18.000 galones
6 1 17 6
7 6 11 7
8 11 5 8
La elección final será probablemente influenciada por otros factores. Por ejemplo la
compañía podría querer minimizar el costo de los 24 carro tanques.
Rango de una matriz

Sea A una matriz de orden m x n el rango de A que se nota , RA, es el número de
filas distintas de cero de su forma escalonada o escalonada reducida.
Ejemplo 17. Encuentre el rango de las siguientes matrices:
LM1 1 0 OP LM1 2 −1 3 OP LM1 1 −1 7 OP

A = M0 1 1P B = M0 1 2 4P C = M4 −1 5 4P
MN1 0 1PQ MN0 0 0 0PQ MN6 1 3 18PQ
Solución
• Aplicando el método de Gauss Jordan encontramos que la forma escalonada reduci-
da de la matriz A es :
LM1 0 0 OP
MM0 1 0 P esta matriz tiene tres filas distintas de cero, luego R = 3.
N0 1PQ
A
0
• La matriz B ya tiene forma escalonada y posee dos filas distintas de cero, por lo tanto
el rango de B es 2, RB = 2.
112 ALGEBRA LINEAL
• Al aplicar el método de Gauss-Jordan a la matriz C, obtenemos que su forma escalo-

nada reducida es:
LM 1 0 4
5
11
5
OP
MM0 1 −9
5
24
5 PP Esta matriz tiene dos filas distintas de
N0 0 0 0Q cero, luego el rango de C es 2. R = 2.
C
ESTUDIO DEL TIPO DE SOLUCION DE UN SISTEMA

NO HOMOGÉNEO
Para resolver un sistema de m-ecuaciones lineales con n-variables, anteriormente
aplicamos el método de Gauss, o, Gauss-Jordan, reduciendo la matriz aumentada del
sistema inicial a la forma escalonada o escalonada reducida.
Partiendo de la forma escalonada o escalonada reducida del sistema, para determi-
nar el tipo de solución procedemos así :
Determinación del tipo de solución de un sistema de ecuaciones lineales:

1) Determinamos el rango de la matriz de coeficientes RC y el rango de la matriz
aumentada RA .
2) Realizamos las siguientes comparaciones en el orden indicado:
• Si el rango de la matriz de coeficientes es menor que el rango de la matriz
aumentada, entonces el sistema es inconsistente.
RC < R A ==> Sistema inconsistente
• Si el rango de la matriz aumentada es igual al rango de la matriz de coeficien-

tes y si el rango de la matriz aumentada es igual al número de variables,
entonces el sistema tiene solución única.
RC = R A
RA = n ==> Solución única
• Si el rango de la matriz aumentada es igual al rango de la matriz coeficientes

y si el rango de la matriz aumentada es menor que el número de variables,
entonces el sistema tiene infinitas soluciones.
RC = R A ==> Infinitas soluciones

RA < n
En un diagrama de flujo:
Forma escalonada o
Escalonada reducida
n: Número de variables
RC:Rango de la matriz de coeficientes
RA: Rango matriz aumentada
Sistema
inconsistente
Es un sistema de
ecuaciones
Si Sistema lineales que no
RC< RA
Inconsistente tienen solución
No
Si Solución
RA=n
Unica
No
RA<n
Infinitas Soluciones
Fin
Ejemplo 18. Las siguientes formas escalonadas reducidas de ma-

trices aumentadas de tres sistemas de ecuaciones.
Determine el tipo de solución en cada caso.
LM1 0 1 0 OP LM1 0 −1 0 −1 OP Sistema

consistente
a ) M0 1 2 0 P b ) M0 1 2 0 2 P Sistema lineal
MN0 0 0 1PQ MN0 0 0 1 3PQ

que tiene una o
más soluciones
LM1 0 2 −1 OP
1 LM1 0 0 2O
P
c) M0 1 3 −2 4P d ) M0 1 0 3P
MN0 0 0 0 0 PQ MN0 0 1 − 5 PQ
114 ALGEBRA LINEAL
Solución
LM1 0 1 0 OP
MM0 0P tiene rango R
1PQ
1. La matriz aumentada 1 2 A
=3
N0 0 0
LM1 0 1 OP
La matriz de coeficientes MM0 1 2 PP tiene rango RC = 2
N0 0 0 Q
Como RC < RA , el sistema es inconsistente.
LM 1 0 −1 0 −1 OP
2. La matriz aumentada M0 2P tiene rango R = 3
MN0 3PQ
1 2 0 A
0 0 1
LM1 0 −1 0 OP
La matriz de coeficientes M0 PP
1 2 0 tiene rango RC = 3
MN0 0 0 1 Q
Rango de una
matriz
Es el número de
El número de variables del sistema es n = 4 filas diferentes
de cero de su
Como RC = RA = 3 y RA < n, el sistema tiene infinitas soluciones forma escalonada
o escalonada
El sistema correspondiente a esta matriz es: x1 − x3 = −1 reducida
x2 − 2 x3 = 2
x4 = 3
De donde x3 es una variable libre y la solución general del sistema es:

x 1 = --- 1 + x3
x 2 = 2 + 2x3
x3 ∈ R
x4 = 3
S = { (x1, x2, x3, x4)  x1 = --- 1 + x3, x2 = 2 + 2x3, x4 = 3, x3 ∈ R}
LM1 0 2 −1 1 OP
3. La matriz aumentada MM0 1 3 −2 PP
4 tiene rango RA = 2
N0 0 0 0 0 Q
LM1 0 2 −1 OP
La matriz de coeficientes M0 PP
1 3 −2 tiene RC = 2
MN0 0 0 0 Q
El número de variables del sistema es: n = 4
Como RC = RA = 2 y RA < n, el sistema tiene infinitas soluciones.
El sistema correspondiente a la matriz aumentada es:
x1 + 2x3 --- x4 = 1
x2 + 3x3 --- 2x4 = 4
Donde x3 y x4 son variables libres.
Despejando x1 y x2 en términos de x3 y x4 tenemos:
x1 = 1 --- 2x3 + x4
x2 = 4 --- 3x3 + 2x4
x3 ∈ R
x4 ∈ R
El conjunto solución es :
S = {(x1, x2, x3, x4) | x1 = 1 --- 2x3 + x4, x2 = 4 --- 3x3 + 2x4; x3 ∈ R, x4 ∈ R}
LM 1 0 0 2OP
4. La matriz aumentada M
3P
MN0 −5PQ
0 1 0
, tiene rango R = 3, y la matriz
A
0 1
LM1 0 0 OP
de coeficientes M PP
0 1 0
MN0 0 1 Q
tiene rango RC =3. El número de variables del sistema es
n = 3. Como RC = RA = n = 3, el sistema tiene solución única:

La solución es: x 1 = 2
x2 = 3
x3 = --- 5
116 ALGEBRA LINEAL
EJERCICIO 2.3
1. En cada uno de los siguientes sistemas de ecuaciones, determine si
tiene solución única, infinitas soluciones, o ninguna.
a) x + 4y + 3z = 0 b) 3t + 12s + 9u = 3
Recuerde
5 2t + 5s + 4u = 1
x + y + 2z = 0 RA : rango de la
2 matriz
x – 3y – 2z = 3 aumentada
RC: rango de la
c) x + 2y + 3z+4w = 10 d) s + 2t = 1 matriz de
2x – y + z – w = 1 –3s + 2t = – 2 coeficientes
3x + y + 4z + 3w = 11 2s + 3t = 1 n: número de
variables
e) x +x = 5 f) – 4x + 3y = 2
_ x 1+ 3x2 = 2 5x – 4y = 1
1 3
x1 + 2x2 + x3 = 1 3x + z = 0
x2 + x 3 = – 4 Sistema
inconsistente
RC < R A
2. Encuentre las soluciones de los siguientes sistemas:
a) 5x1 – 3x2 = – 7 b) x1 + 2x2 = 1
– 2x1 + 9x2 = 4 – 3x1 + 2x2 =–2
2x1 + 4x2 = – 2 – 2x1 + 4x2 =–1 Solución única
RC = RA
c) 4x1 + 5x3 = 6 d) 3x1 – x2 – 2x3 = 2 RA = n
x2 – 6x3 = – 2 2x2 – x3 = – 1
3x1 + 4x3 = 3 3x1 – 5x2 = 3
e) x 1 + x2 + x3 = 4 f) x1 + x2 + x3 = – 2
Infinitas
2x1 + 5x2 – 2x3 = 3 2x1 + 4x2 + 3x3 = 3 soluciones
x1 + 1x2 – 7x3 = 5 1x2 + 2x3 = 2 RC = RA
RA < n
g) 4x1 + 4x3 = 8 h) x1 + x2 + x3 – x4 = 2 donde n es el
x2 – 6x3 = – 3 x1 + 4x2 – 3x3 = – 1 número de
3x1 + x2 – 3x3 = 3 –5x2 + 2x4 = 0 variables
3. Una fábrica produce tres productos A, B y C los que procesa en

máquinas. El tiempo requerido en horas para procesar una unidad
de cada producto por las tres máquinas aparece en la siguiente
tabla:
A B C
Máquina I LM9 3 6 OP
Máquina II MM3 6 8P
Máquina III N6 3 3PQ
Se dispone de la máquina I, 2.550 horas, de la máquina II por 2.800 horas y de la

máquina III por 1.650 horas.¿Cuántas unidades de cada producto deberían producirse
con objeto de emplear todo el tiempo disponible las máquinas?
4. Una persona invierte US$ 20.000 en bonos, acciones y en préstamos personales a

una tasa del 12%, 16% y 20% anual respectivamente. El rendimiento anual total fue
de US$ 3.248 y el rendimiento de la inversión al 20% fue 2 veces el rendimiento de la
inversión al 12%. ¿De cuánto fue cada inversión?
5. Un ingeniero dispone de 5.000 horas-hombre de mano de obra para tres proyectos.

Los costos por hora hombre de los tres proyectos son de US$ 16, US$ 20 y US$ 24,
respectivamente, y el costo total es de US$ 106.000. Si el número de horas hombre
para el tercer proyecto es igual a la suma de las horas hombre requeridas por los
primeros dos proyectos, calcule el número de horas hombre que puede disponerse en
cada proyecto.
6. Compruebe que el siguiente sistema siempre tiene solución, cualesquiera sean los
valores de las constantes a, b, c y d.
−4 x1 + 3x2 + ax3 = c
5x1 − 4 x2 + bx3 = d
7. Determine las condiciones sobre las constantes a, b, y c para que el sistema siguiente
tenga solución única.
−4 x1 + 3x2 = a
5x1 − 4 x2 = b
−3x1 + 2 x2 = c
8. Utilizando el método Gauss resuelva simultáneamente los tres sistemas de ecuaciones

siguientes, cuya única diferencia está en los términos independientes: (El método
utilizado lo denominaremos Gauss abreviado)
x1 + 2x2 + x3 = 0 x1 + x2 + x3 = 3 x1 + x2 + x3 = 1
x1 – x2 + 2x3 = 0 x1 – x2 + 2x3 = 1 x1 – x2 + 2x3 = 2
2x1 + x2 – x3 = 0 2x1 + x2 – x3 = 4 2x1 + x2 – x3 = 2
9. Utilice el método de solución Gauss abreviado para resolver simultáneamente los

siguientes sistemas:
Términos independientes Términos independientes
a) 2x1 + 3x2 = 1 0 b) 3x + 5y = 1 0
3x1– 2x2 = 0 1 x + 2y = 0 1
118 ALGEBRA LINEAL
c) 4x1 + 0x2 + 5x3 = 1 0 0 d) 2x1 + 3x2 + 4x3 = 1 0 0

0x1 + x2 – 6x3 = 0 1 0 4x1 + 3x2 + x3 = 0 1 0
3x1 + 0x2 + 4x3 = 0 0 1 x1 + 2x2 + 4x3 = 0 0 1
e) x1 + 2x2 + 3x3 = 1 0 0
2x1 + 4x2 + 5x3 = 0 1 0
3x1 + 5x2 + 6x3 = 0 0 1
10. Los siguientes sistemas de ecuaciones no son lineales, pero con una adecuada sus-
titución se pueden resolver como si lo fueran.
a) 4 + 2 = 3 b) 9 − 4 = 2
x y x y
6 − 4 =1 3+ 8 =3
x y x y
11. Halle la solución de los siguientes sistemas:

a) x1 + x2 + x3 = 4 b) x1 + x2 + x3 + x4 = 0
2x1 + 5x2 – 2x3 = 3 x1 + x2 + x3 – x4 = 4
x1 + 7x2 – 7x3 = 5 x1 + x2 – x3 + x4 = – 4
x1 – x2 + x3 + x4 = 2
c) x1 + x2 – 2x3 + x4 + 3x5 = 1
2x1 – x2 + 2x3 + 2x4 + 6x5 = 2
3x1 + 2x2 – 4x3 – 3x4 – 9x5 = 3
LM0 1 0 0 OP LM x OP
1 LM−7OP
12. Resuelva el sistema siguiente: M PP MM xx PP MM−−32PP
0 0 0 1
=
MM0
2
PQ MN x PQ MN 7 PQ
0 1 0
N1
3
0 0 0 4
13. Resuelva los siguientes sistemas:

a) x1 + x2 + 2x3 – x4 = 10 b) 3x1 + 12x2 – x3 – 2x4 = 18
– 4x1 – x2 + 2x3 – 3x4 =9 x1 + 3x2 + x3 – 4x4 =–2
5x1 + 2x2 + 3x3 – x4 = 13 3x1 + 3x2 – x3 + 7x4 =9
– 4x1 – 3x2 + x3 – 2x4 =–3 x1 – 2x2 – x3 + 9x4 =5
x1 + 2x2 – x3 + 2x4 =6
14. Resuelva el siguiente sistema de ecuaciones simultáneas:

2x1 + 3x2 – 4x3 + 5x4 = 2
–x1 – 2x2 + 5x3 – 3x4 = 7
4x1 + 5x2 – 6x3 + 2x4 = 7
3x1 + 4x2 – 9x3 + x4 = 5
15. Encuentre la matriz ampliada correspondiente a los sistemas de ecuaciones lineales

dados en los siguientes ejercicios.
a) 3x1 – 5x2 = 6 b) 8x1 + 4x2 = 0 c) x1 + 2x2 – 6x3 = 15
x1 + 2x2 = 7 9x1 – 3x2 = – 4 8x1 – 15x2 = 12
2x1 + 16x2 – x3 = 56
16. Encuentre el sistema de ecuaciones lineales correspondiente a cada una de las ma-
trices ampliadas de los siguientes ejercicios.
L3 −2 OP LM1 −2 4 3 OP LM1 OP
a) M
15 3 5 7 9 11
N1 Q MM0
b) 4 0 8 11
PP c)
N0 Q
23 0
N 0 12 5 Q 2 4 6 8 10
17. Determine si las siguientes matrices son de forma escalonada por renglones.
LM1 0OP 1 LM 0 1 OP 3LM 1 0 OP LM

1 1 1 2 OP
a)
N1 1Q b) 0
MM 1 3
PP c) 0
MM 1 2
PP d) 0
MM 0 1 3
PP
1 N 0 0 Q 0 N 0 1 Q 0 N 0 0 1 Q
18. Determine si las siguientes matrices son de forma escalonada por renglones, de
forma escalonada reducida por renglones, o ninguna de ellas.
LM1 4 3 0 OP LM1 −2 5 7OP LM1 0 0 0 2 OP

2
c) M PP
0 1 0 0 3 3
MM0
a) 0 0 1 0
PP MM0
b) 0 1 4 1
PP MM0
N 1 3 0 Q N 0 0 1 Q N0
0
0
1
0
0
1
5
4
5
6 PQ
19. En los siguientes ejercicios resuelva el sistema de ecuaciones lineales por elimina-
ción de Gauss y por Gauss-Jordan.
a. x1 − 2 x2 = −1 b. 2 x1 + 6 x2 − 2 x3 = 10 c. 4 x1 + 12 x2 + 8 x3 = 4
3x1 + 5x2 = 30 2 x1 − 5x2 − 6 x3 = 8 − x1 + 10 x3 = 14
5x1 + x2 = 28 14 x1 − 2 x2 − 30 x3 = 62 6 x1 + 18 x2 + 12 x3 = 6
120 ALGEBRA LINEAL
20. Una empresa que fábrica videos los procesa en tres máquinas de acuerdo con la
capacidad del video, a saber, 30, 60 y 90 minutos. El tiempo en horas requerido para
procesar una unidad de cada producto por las tres máquinas está dado enseguida.
LM13 1 2 OP
MN2 2 4
1 1 PQ
Donde las filas indican los tipos de máquina y las columnas el tipo de video en el
mismo orden expuesto anteriormente. Se dispone de la máquina I por 850 horas, la
máquina II por 1.000 horas y la máquina III por 600 horas. ¿Cuántas unidades de
cada tipo de video deberían producirse con el objeto de emplear todo el tiempo
disponible en las máquinas?
21. Una compañía de transporte marítimo, lleva tres tipos de flores de Colombia a Esta-
dos Unidos. El espacio requerido por cada caja de los tres tipos de flores son 4, 5 y
6 m3 respectivamente, cada caja de los tres tipos de flores pesa 10, 20 y 30 kilogra-
mos, respectivamente, los valores por caja de cada tipo de flor son: US $20, $30 y
$40, respectivamente. Determine el número de cajas de cada tipo de flor transpor-
tada, si el valor total de la carga es de $900, ocupo 1.500 m3 de espacio, y tiene un
peso de 6000 kilogramos.
22. Una persona hace una inversión, de la siguiente forma: invierte (en dólares) un total
de $400.000, en cuatro inversiones al 4%, 5%, 8%, 2%. el ingreso mensual total fue
de $2.000, y el ingreso de la inversión del 4% fue el doble de la inversión del 5%.
¿Cuál fue la inversión correspondiente a cada tasa de interés?
23. En la construcción de un conjunto de apartamentos en la ciudad de Bogotá se dispo-

ne de un total de 2.000 horas-hombre de mano de obra para tres conjuntos de apar-
tamentos. Los costos por hora de hora-hombre son de $10, $20 y $30 dólares res-
pectivamente, y el costo total de la obra es de US $38.500. Si el número de horas-
hombre para el tercer conjunto de apartamentos es del doble de la suma del total de
horas hombre de los dos primeros conjuntos, calcule el número de horas-hombre
que puede disponerse en cada proyecto.
24. A un zoológico llegan tres tipos de felinos: tigre, león y sheeta, se les suministran tres
tipos de carne, semanalmente el león consume 100 kg de la carne tipo uno, 90 kg de
la carne tipo dos, y 70 kg de la carne tipo tres. Por su parte el tigre consume 90 kg
de la carne tipo uno, 70 kg de la carne tipo dos, 50 kg de la carne tipo tres. El sheeta
consume 70 kg de la carne tipo uno, 50 kg de la carne tipo dos, 40 kg de la carne tipo
tres. Si semanalmente se tienen 35.000 kg de la carne tipo uno, 28.000 kilogramos
de la carne tipo dos, 21.000 kg de la carne tipo tres ¿Cuántos leones, tigres, y chitas
pueden existir en este zoológico?
25. Una empresa de automóviles en un año diseña tres gamas y utiliza tres clases de
pinturas para sus carros: rojo, azul y gris. La cantidad de canecas de pintura reque-
rida para pintar cada carro de uno de los tres colores se muestra a continuación:
LM2 3 6 OP
MM45 3 9
PP
N 8 2 Q
Donde las filas representan los colores y las columnas las tres diferentes gamas de
carro. Se disponen de 24 canecas de color rojo, 45 canecas de color azul, 42 canecas
de color gris. ¿Cuántos carros de cada gama pueden pintarse con todas las canecas
de pintura?
26. En unas vacaciones una familia decide descansar temporalmente en cada una de las
siguientes ciudades: Cartagena, Barranquilla y Santa Marta. En hoteles, por día la
familia paga (en dólares) $70 en Cartagena, $76 en Barranquilla y $60 en Santa
Marta. En comidas, por día, gastó $40 en Cartagena, $ 30 en Barranquilla y $40 en
Santa Martha. Además en helados, comidas rápidas, y bebidas gasta $10 en las tres
ciudades. Al final el balance de cuentas muestra que gasto $1.316 en hoteles, $700
en comida, $190 en helados y comidas rápidas. Calcule el número de días que pasó
la familia en cada una de las ciudades.
27. Una compañía produce tres tipos de zapatos, A, B y C, los cuales se procesan en
tres máquinas a saber: guarnecedora, pintura y cosedora. El tiempo en horas reque-
rido para el procesamiento de una unidad de cada producto para las tres máquinas
está dado por:
Guarnecedora Pintura Cosedora

A 3 2 2
B 1 2 1
C 2 4 1
La máquina guarnecedora está disponible 850 horas, la máquina de pintura está

disponible 1.200 horas y la máquina cosedora está disponible 550 horas. ¿Cuántas
unidades de zapatos deben ser producidas para emplear todo el tiempo disponible de
las máquinas?
28. Una compañía de construcción en este momento está encargada de tres tipos de
construcciones: casas, oficinas y lotes. Se tienen los A, B y C proyectos, en los
cuales se va a vender:
20 casas en el proyecto A, 30 casas en el proyecto B, 20 casas en el proyecto C.
30 oficinas en el proyecto A, 40 oficinas en el proyecto B, 50 en el proyecto C.
122 ALGEBRA LINEAL
50 locales en el proyecto A, 40 en el proyecto B, 20 locales en el proyecto C.

Suponga que se desean vender 50 casas, 50 oficinas y 60 locales.
Determine las combinaciones de unidades que satisfagan los requerimientos de las
ventas.
29. Una compañía constructora de casas ofrece tres tipos de casas: familiares, de interés
social y un tipo de casa de lujo llamada gran casa.
El primer tipo de casa requiere 4 unidades de concreto, 6 unidades de madera y 7
unidades (canecas) de pintura.
El segundo tipo de casa requiere 8 unidades de concreto, 5 unidades de madera y 9
unidades de pintura.
El tercer tipo de casa requiere 4 unidades de concreto, 8 unidades de madera y 5
unidades de pintura.
Si cada mes la compañía dispone de 400 unidades de concreto, 430 unidades de
madera, 510 unidades de pintura. Calcule los diferentes tipos de casas que la compañía
puede construir al mes si usa los materiales de que dispone.
30. Una empresa elabora tres productos A, B y C, los cuales pueden procesarse en tres
máquinas, I, II y III. Una unidad de A requiere 4, 5 y 6, horas de procesamiento en
las máquinas, mientras que cada unidad de B requiere de 3,5 y 5 horas de procesa-
miento y una unidad de C requiere 2, 4 y 6 horas en las máquinas. Se dispone de las
máquinas I, II y III, por 500, 800 y 1.000 horas, respectivamente, ¿Cuántas unidades
de cada producto pueden elaborarse usando todo el tiempo disponible en las máqui-
nas?
2.4 SISTEMAS LINEALES HOMOGÉNEOS
Sistema homogéneo
Consideremos el sistema de m ecuaciones lineales con n variables
a11 x1 + a12 x2 + L + a1n xn = b1
a21 x1 + a22 x2 + L + a2 n xn = b2
M
am1 x1 + am2 x2 + L + amn xn = bm
El sistema se dice que es homogéneo si todos los términos independientes

b1, b2, ..., bm son cero.
Ejemplo 1. El sistema: 2x1 + 3x2 – 4x3 = 0

Términos independientes
–5x1 + x2 – x3 = 0
es homogéneo, ya que los términos independientes son cero.
Estudio del tipo de solucion de un sistema homogéneo

Un sistema homogéneo siempre es consistente, pues admite la solución trivial,
x1 = x2= ... = xn = 0. Tenemos dos posibilidades para la solución de un sistema
homogéneo:
Solución única. Si el rango de la matriz de coeficientes RC , (en forma escalona-
da reducida), es igual al número de variables del sistema (n), el sistema únicamen-
te admite la solución trivial, x1 = x2 = ... = xn = 0.
Solución única
RC = n =======>
x1 = x2= ... = xn = 0
Infinitas soluciones. Si el rango de la matriz de coeficientes Rc, (en forma esca-

lonada reducida), es menor que el número de variables, entonces el sistema posee
Infinitas Soluciones.
RC < n =======> Infinitas soluciones
Ejemplo 2. Halle la solución general del sistema homogéneo:

x1 + 2x3 – 4x4 = 0
x1 + x2 – 2x3 + 3x4 = 0
124 ALGEBRA LINEAL
Solución. Para aplicar el método de Gauss-Jordan no es necesario

trabajar con la matriz aumentada, basta con la matriz de coeficientes,
ya que durante todo el proceso los términos independientes siguen siendo
ceros.
Matriz de coeficientes
LM1 0 2 −4OP
F2 ↔ − F1 + F2 ∼
LM1 0 2 −4 OP
N1 1 −2 3 Q N0 1 −4 7 Q
La última matriz tiene forma escalonada reducida. El rango de la
matriz de coeficientes es: RC = 2, y el número de variables es n = 4, por
lo tanto el sistema tiene Infinitas Soluciones, con :
n – RC = 4 – 2 = 2, Variables libres, (x3, x4).
El sistema correspondiente a la última matriz es:
x1 + + 2x3 – 4x4 = 0
x2 – 4x3 + 7x4 = 0 Sistema
homogéneo
Despejando x1, x2 en términos de las variables libres x3 y x4 , tene- Es un sistema
mos: lineal de m
x1 = – 2x3 + 4x4 ecuaciones y n
x2 = 4x3 – 7x4 variables, donde
x3 ∈ R los términos
b1, b2, ... , bm
x4 ∈ R son cero
El conjunto solución es :
S{(x1, x2, x3, x4) | x1 = – 2x3 + 4x4 , x2 = 4x3 – 7x4; x3 ∈ R, x4 ∈ R}
Ejemplo 3. Halle la solución general del sistema homogéneo:

x1 + 3x2 – 3x3 = 0
x1 + 4x2 + x3 = 0
2x1 + x2 + x3 = 0
Solución. Aplicando el método de Gauss-Jordan a la matriz de co-
eficientes, tenemos:
LM1 3 −3OP LM1 3 OP

−3 F1 ↔ −3F2 + F1
MM21 4
PP
1 F2 ↔ − F1 + F2 ∼ M0
MN0
1 4
PP
N 1 Q
1 F3 ↔ −2 F1 + F2 −5 Q
7 F3 ↔ 5F2 + F3
LM1 0 −15 OP
∼ MM00 1 4
PP
N 0 27 Q
Esta matriz tiene forma escalonada, y tiene rango, RC = 3, igual al
número de variables, por lo tanto el sistema únicamente tiene la solu-
ción trivial, x1 = x2 = x3 = 0.
EJERCICIO 2.4
1. Halle la solución general de los sistemas homogéneos:
a) 4x1 – x2 + 2x3 + x4 = 0 b) 2x1 – x2 + 3x3 = 0
2x1 + 3x2 – x3 – 2x4 = 0 3x1 + 2x2 + x3 = 0
7x2 – 4x3 – 5x4 = 0 x1 – 4x2 + 5x3 = 0
2x1 – 11x2 + 7x3 + 8x4 = 0
c) x1 – 2x2 + x3 = 0
2x1 + 5x2 + 6x3 = 0
2. Encuentre las soluciones no triviales de los siguientes sistemas

a) – x1 + 2x2 + 3x3 = 0 b) x1 + x2 + x3 = 0
x1 – 4x2 – 13x3 = 0 2x1 + 4x2 + 3x3 = 0
Solución trivial
–3x1 + 5x2 + 4x3 = 0 3x2 + 3x3 = 0
Es una solución
c) 2x1 – x2 + 3x3 = 0 d) x1 – 2x2 + x3 = 0 de un sistema
homogéneo,
3x1 + 2x2 + x3 = 0 2x1 + 5x2 + 6x3 = 0 donde el valor de
x1 – 4x2 + 5x3 = 0 todas las
variables
e) x1 + x2 – 2x3 + x4 + 3x5 = 0 x1, x2, ... , xn
2x1 – x2 + 2x3 + 2x4 + 6x5 = 0 es cero
3x1 + 2x2 – 4x3 – 3x4 – 9x5 = 0
2.5 MATRIZ INVERSA

Matriz inversa
Sea A una matriz de orden n x n si existe una matriz B de orden
n x n tal que AB = BA = In, entonces decimos que A es invertible
o no singular, que B es la inversa de A y se denota B = A–1 .
En caso de que B no exista, decimos que A es no invertible o
singular.
126 ALGEBRA LINEAL
Ejemplo 1. La matriz.
B=
LM3 5OP esla inversa deA = LM 2 −5 OP
N1 2Q N−1 3 Q
porque
L3 5OP ⋅ LM 2 −5OP = LM1

AB = M
0O
1PQ
=I
N1 2Q N−1 3 Q N0 2
LM 2 −5OP
Ejemplo 2. Utilizando el ejemplo anterior hallar A–1, de la matriz A =
N−1 3 Q
LM x y OP tal que A • A
Solución. Tenemos que encontrar una matriz A–1 =
N z wQ
–1
= I2,
2 LM OP LM x
–5 y OP LM
=
1 0 OP
es decir: –1
N 3 Q Nz w Q N
0 1 Q
LM 2 x − 5z 2 y − 5w
=
1 OP LM 0OP
Multiplicando las matrices, tenemos:
N− x + 3z − y + 3w 0 Q N 1 Q
Como las dos matrices son iguales, se igualan los elementos correspondientes
1) 2x – 5z = 1 2) 2y – 5w = 0
– x + 3y = 0 – y + 3w = 1
Obtenemos dos sistemas lineales con la misma matriz de coeficientes, por lo tanto
como en el capítulo anterior podemos resolver los dos sistemas en forma simultánea,
construyendo la siguiente matriz aumentada:
Primer sistema → x z bi
B B
LM 2 −5: 1 0OP
N −1 3: 0 1Q
A A A
Segundo sistema → y w ci
Utilizando el método de Gauss-Jordan para resolver los sistemas de ecuaciones, tenemos:
LM 2 −5: 1 0OPF1 ↔ (2) F2 + F1 LM0 1: 1 2OP

N −1 3: 0 Q F2 ↔ ( −1) F2
1   → N1 −3: 0 Q F2 ↔ F1
−1   →
LM1 − 3: 0 −1 OP F1 ↔ (3) F1 + F1 LM1 0: 3 5 OP

N0 1: 1 2 Q F2 ↔ F1
  → N0 1: 1 2 Q
Primer sistema → x z bi
B B B
LM 1 0: 3 5 OP
N 0 1: 1 2 Q
A A A
Segundo sistema → y w ci
La solución de los dos sistemas está dada por: x = 3 y = 5 z = 1 z = 2
La matriz inversa de A es: A −1 =

LM x y OP = LM3 5OP
N z wQ N1 2Q
Procedimiento para hallar la inversa de una matriz A aplicando el método
de Gauss–Jordan
Construimos una matriz aumentada formada por la matriz A colocada a la izquier-
da y la matriz identidad In a la derecha. [A | In]
Aplicamos las operaciones elementales entre filas para llevar la matriz aumenta-
da [A | In] a la forma escalonada reducida.
Podemos encontrar dos situaciones en la forma escalonada reducida de [A | In]
1. Si la forma escalonada reducida es [In | B] entonces A es invertible y A–1 = B
Operaciones elementales
 → I n B ⇒ A −1 = B
entre filas
A In
2. Si la forma escalonada reducida es [C|D] donde la matriz C posee por lo menos

una fila de ceros, entonces la matriz A no es invertible.
C D
Operaciones elementales
 → ⇒ A no es invertible
entre filas
A In C con
fila de ceros
128 ALGEBRA LINEAL
LM3 1 0 OP
Ejemplo 3. Determinar la inversa de la matriz A = 1
MM1 −1 2
PP
N 1 1 Q
Solución. Formamos la matriz aumentada [A| I] y aplicamos el método de Gauss–Jordan.
LM3 1 0 1 0 OP
0 F1 → F2 1 LM −1 2 0 1 0OP
MM11 −1 2 0 1 0
PP 3
MM 1 0 1 0
PP
0 F2 → −3F1 + F2
N 1 1 0 0 1 Q 1 N 1 1 0 0 Q
1 F3 → − F1 + F3
LM 1 −1 2 0 1 0 OP LM 1 −1 2 0 1 0 OP F → F + F 1 2 1
→ F M0 0P
MM00 4 −6 1 −3 0 F2
PP 1
MN0
1 −3 1 −3
1PQ F → −2 F + F
2
N Q
4 2 4 4
2 −1 0 −1 1 2 −1 0 −1 3 2 3
LM 1 0 1 1 1 0OP
MM 0 0P F → 1 F
2 4 4
−3
P 2
1 1 −3 3 3
MN 0 1P
2 4 4
0 2 −1
2
1
2 Q
LM 1 0 1 1 1 OP
0 F1 → − 1 F3 + F1
MM0 PP
2 4 4 2
1 − 23 1
4
− 3
4
0
MN0 0 1 − 1
4
1
4 2
PQ
1 F → 3F + F
2
2 3 2
LM 1 0 0 3 1 −1 OP
MM0 PP
8 8 4
1 0 −1 −3 3
8 8 4
MN0 0 1 −1
4
1
4
1
2
PQ
LM 3 1 −1 OP
=M PP
8 8 4
Así A −1
MM −1 −3 3
8 8 4
N −1
4
1
4
1
2
PQ
Ejemplo 4. Hallar las condiciones para que la matriz D =

LMa b OP tenga inversa
Nc d Q
LMa b : 1 0 OP
Solución.
Nc d : 0 1 Q
Cambiando la segunda fila por el resultado de multiplicar la segun-
da fila por a y sumar (– c) veces la primera fila, se tiene:
LMa b : 1 0 OP
N0 Q
,
ad - bc : −c a
si ad – bc ≠ 0 , se puede dividir la segunda fila por este término:

LMa b : 1
−c
0 OP
MN0 PQ
a ,
1 :
ad − bc ad - bc
multiplicando la segunda fila por –b y sumándola a la primera se tiene:
LMa 0 : 1+ bc
ad − bc
− ab
ad − bc ,
OP
MMN0 1 : −c
ad − bc
a
ad – bc
PPQ
LMa 0 : ad
ad − bc
−ab
ad − bc ,
OP
es decir, MMN0 1 : −c
ad − bc
a
ad – bc
PPQ Recuerde
Una matriz
cuadrada es
multiplicando la primera fila por 1
a (asumiendo que a ≠ 0) se obtiene: invertible si
existe una
LM1 0 : d −b OP matriz A–1,
tal que:
MM0 ad − bc
−c
ad − bc ,
PP AA–1 = A–1 A = I
N Q
1 : a
ad − bc ad - bc Una matriz
cuadrada que
no tenga inversa
de donde se sigue que si ad – bc ≠ 0, entonces: se denomina
LM ad d− bc −b
ad − bc
OP No invertible
o singular
MMN ad −−c bc PPQ

−1
D =
a
ad − bc
de donde, D −1 = 1
d LM −b OP
ad − bc −c MN a PQ
130 ALGEBRA LINEAL
Así, la condición necesaria y suficiente para que D–1 exista es que ad – bc ≠ 0 .
Inversa de una matriz 2 x 2
La matriz D =
LMa b OP es invertible, si y sólo si, ad – bc ≠ 0 y
Nc d Q
−1
D = 1 LM d –bOP
ad − bc N –c aQ
Ejemplo 5. Hallar la inversa de la matriz G =

LM2 3OP
N1 3Q
Solución. Aplicando la fórmula anterior, ad – bc = (2) (3) – (3) (1) = 6 – 3 = 3 ≠ 0,
LM
por lo tanto G es invertible y G -1 = 1
3 −3 OP
N
3 −1 2 Q
Ejemplo 6. (Asignación de recursos). En un plan de vivienda una compañía desea
construir dos modelos de casas prefabricadas: tipo inglés y español. Cada una requiere
de materia prima para la construcción, madera y ladrillo, como se muestra en la tabla
siguiente. La compañía tiene en su inventario de materia prima, 1.800 y 4.100 piezas de
madera y bloques de concreto respectivamente; para la culminación del proyecto de-
sean ajustar todos los recursos de materia prima. Para lograrlo cuántas casas de cada
tipo deben construir.
Inglés Español
Madera LM 20 30 OP
MM 70 P
50 PQ
Bloques de concreto N
Solución. Definamos las variables: x1: número de casas tipo inglés

x2: número de casas tipo español
Se requieren un total de 20x1 + 30x2 piezas de madera, y 70x1 +50x2 bloques de
concreto. Puesto que se dispone de 1.800 y 4.100 piezas de madera y bloques de con-
creto respectivamente, se tiene que: 20x1 + 30x2 = 1.800
70x1 + 50x2 = 4.100
Matricialmente el sistema tiene la forma: AX = B, es decir:

LM20 OPLM OP LM
30 x1
=
1800
. OP
N70 QN Q N
50 x2 4.100 Q
Como deseamos resolver el sistema por la matriz inversa, tenemos:
AX = B multiplicando por la matriz inversa A–1
A–1AX = A–1B
Como A–1 A = I, entonces:
I X = A–1B, además, I X = X, entonces,
X = A–1B
LM
20 30 OP
N Q
Sea A = 70 50 la matriz de coeficientes de las variables, x1 y x2
20 30
Como ad − bc = A = = 50(20) − 70(30) = 1000
. − 2.100 = − 1100
. ≠ 0,
70 50
entonces A tiene inversa, ahora calculamos la inversa con la fórmula:
A −1 = 1 LM
d −b OP
N
ad − bc −c a
.
Q
Sea a = 20; b = 30; c = 70; d = 50, reemplazando en la fórmula:
L O L −5
O LM 3 O
PQ M − 2 PP;
50 −30 50 −30
A −1
= 1
MN PQ= 1
MN = 110 110
(50)(20) − (30)(70) −70 20 −1100
. −70 20 7
110 MN 110 PQ
L1800
Como X = A B, con, B = M
−1 . OP
N Q
4 .100
L L 5 1103 OP L1800
x O M − 110
.300 O
OP = LM 3110 P = L30O
X=M P = ⋅M
N x Q MMN 1107 − 1102 PPQ N4.100Q MN 4110 .400 P NM40QP
1 .
2
Q
Por tanto se tienen que construir 30 casas de tipo inglés y 40 casas de tipo español.
LM1 1 0 OP
Ejemplo 7. Sea 0
MM1 PP
1 1 Hallar A–1.
N 0 1 Q
Solución. Construyendo el arreglo rectangular (y utilizando la matriz I3), tenemos:
132 ALGEBRA LINEAL
LM1 1 0 : 1 0 0 OP
MM01 1 1 : 0 1 0
PP
N 0 1 : 0 0 1 Q
Multiplicando la primera fila por –1 y sumándosela a la tercera, se obtiene:
LM 1 1 0 : 1 0 0 OP
MM00 1 1 : 0 1 0
PP
N −1 1 : −1 0 1 Q
Y sumándole la segunda fila a la tercera, resulta:
LM 1 1 0 : 1 0 0 OP
MM00 1 1 : 0 1 0
PP
N 0 2 : −1 1 1 Q
Multiplicando la segunda fila por –1 y sumándosela a la primera; y multiplicando la
tercera por 12 , se obtiene:
LM 1 0 −1 : 1 −1 0 OP
MM00 1 1 : 0 1 0 PP
N 0 1 : −1
2
1
2
1
2 Q
Finalmente, multiplicando la tercera por –1 y sumándosela a la segunda; y luego
sumando la tercera fila a la primera, tenemos:
LM 1 0 0 : 1 − 21 1 OP
MM0 PP
2 2
1 0 : 1
2
1
2
− 1
2
N0 0 1 : − 1
2
1
2
1
2 Q
Así pues, la inversa de A, está dada por:
LM 1 − 21 1 OP
=M PP .
2 2
−1
A 1 1 − 1
MN− 2
1
2
2
1
2
2
1
2 Q
Solución de un sistema de ecuaciones utilizando la

inversa de la matriz de coeficientes.
Si A es una matriz invertible n x n entonces para toda matriz B,
n x 1, el sistema de ecuaciones AX = B se tiene exactamente
una solución dada por: X = A–1B
Ejemplo 8. Resolver el sistema: x1 + x2 = 2

5x1 + 6x2 = 9
Paso I. Se escribe el sistema en la forma matricial Solución de un

LM OP LM OP LM OP
1 1 x1 2 LM OP
1 1 x LM OP
2 LM OP sistema AX = B,
N QN Q N Q
5 6 x2
=
9
con A =
N Q
5 6 x2 N Q
, X = 1 y B=
9
.
NQ con igual número
de ecuaciones y
de variables
Tenemos la ecuación matricial: AX = B,
B
si A es invertible, podemos multiplicar por la izquierda los dos miem- Halle A–1 Matriz
inversa
B
bros de la igualdad por A–1y obtenemos: A–1AX = A–1B
como A–1 A = In, tenemos: InX = A–1B, Solución:
X = A–1B
donde InX = In , por lo tanto la solución del sistema es: X = A–1B
1 1 LM OP
Paso II. Hallar A–1 de la matriz de coeficientes A = 5 6
N Q
Como ad – bc = (1)(6) – (1) (5) = 1 ≠ 0, la matriz es invertible y
A −1 = 1 LM
d −b OP LM
=1
6 −1 OP −1
Luego A =
LM 6 −1OP
N
ad − bc −c a Q N
1 −5 1 Q N−5 1Q
Paso III. Se efectúa el producto A–1 B
LM x OP = LM 6 −1OP LM2OP
N x Q N−5 1 Q N9Q
1
LM x OP = LM(6)(2) + (−1)(9)OP LM3 OP

2
N x Q N(−5)(2) + (1)(9) Q N−1Q

1
2
Nota. El método anterior es solo aplicable cuando el número de

ecuaciones es igual al número de variables y la matriz de coeficientes
invertible.
134 ALGEBRA LINEAL
LM2 2 3 OP
MN2
Ejemplo 9. Hallar la inversa (si existe) de la matriz A= 1 2 1
−2 1 PQ
Solución. Se construye el arreglo ampliado [A : I3]:
LM2 2 3 : 1 0 0OP
MM21 2 1 : 0 1 0
PP
N −2 1 : 0 0 1 Q
Ahora se realizan las operaciones elementales sobre ésta. En cada uno de los si-
guientes pasos se pide al lector que los justifique:
LM
1 2 1 : 0 1 OP
0 1 LM 2 1 : 0 1 OP
0
1) 2
MM 2 3 : 1 0 0
PP 2) 0
MM −2 1 : 1 −2 0
PP
2 N −2 1 : 0 0 1 Q 2 N −2 1 : 0 0 1 Q
LM 1 2 1 : 0 1 0OP LM 1 2 1 : 0 1 0OP
3) 0
MM0 −2 1 : 1 −2 0
PP 4) 0
MM0 −2 1 : 1 −2 0
PP
N −6 −1 : 0 −2 1 Q N 0 −4 : −3 4 1 Q
LM 1 0 2 : 1 −1 0 OP LM 1 0 2 : 1 −1 0O
P
6) M0 0P
5) 0
MM0 −2 1 : 1 −2 0
PP MN0
1 −1 : −1 1
PQ
N Q
2 2
0 −4 : −3 4 1 0 1 : 3
4
−1 −1
4
LM 1 0 0 : −1
2
1 1
2
OP LM −1 1 1 OP
7) M0 PP =M PP
2 2
−1
−1 1 −1 −1 1 −1
MN0
1 0 : Por lo tanto, A
0 1 :
8
3
4
−1
2 8
−1
4 Q MN 8
3
4
−1
2 8
−1
4 Q
LM 1 0 3OP
Ejemplo 10. Hallar la inversa (si existe) de la matriz B = M 2 1
PP
2 .
MN −1 1 −7 Q
Solución. Aplicando el método de Gauss – Jordan:
LM 1 0 3 : 1 0 0OP
MM−21 1 2 : 0 1
PP
0 ,
N 1 −7 : 0 0 1 Q
multiplicando el primer renglón por –2 y sumándoselo al segundo se tiene:
LM 1 0 3 : 1 0 0 OP
MM−01 1 −4 : −2 1 0 ,
PP
N 1 −7 : 0 0 1 Q
sumando el primer renglón al tercero:
LM 1 0 3 : 1 0 0OP
MM00 1 −4 : −2 1
PP
0 ,
N 1 −4 : 1 0 1 Q
y por último sumando el segundo al tercer renglón:
LM 1 0 3 : 1 0 0 OP
MM 00 1 −4 : −2 1 0 , PP
N 0 0 : 3 −1 1 Q
y de aquí, no es posible a través de operaciones elementales sobre esta última matriz
obtener I3 en el lado izquierdo. Nótese que lo que imposibilita esto es la presencia de
un renglón (de la izquierda) que contiene sólo ceros. Por lo tanto, la matriz dada no
posee inversa.
Propiedades de la matriz inversa

Si A y B son matrices cuadradas de orden n invertibles y k es un número real
diferente de cero, entonces:
1. AB es invertible y (AB)–1 = B–1A–1.
−1 1 −1
2. ( kA) = A .
k
3. A–1 es invertible y (A–1)–1 = A. Es decir que A–1 es invertible y su inversa es
justamente A
4. An es invertible y (An)–1 = (A–1)n.
5. (At)–1 = (A–1)t.
136 ALGEBRA LINEAL
LM3 5OP; B = LM1 1OP Verificar que (AB) −1

= B −1 . A −1
Ejemplo 11. Si A =
N1 2Q N5 6Q
Solución. En primer lugar obtenemos A–1 y B–1:
A −1 = 1 LMd −b OP1 2 −5 2 −5LM 2 −5 OP LM OP LM OP

N =
Q
ad − bc − c a (3)(2) − (1)(5) −1 3
=1
−1 3 N
=
−1 3 Q N Q N Q
B −1 = 1 1 6 −1LM 6 −1 OP LM
6 −1 OP LM OP
=
ad − bc (1)( 6) − (1)(5) −5 1 N
=1
−5 1
=
Q N
−5 1 Q N Q
Desarrollando B–1 A–1, tenemos:
B−1A −1 =
LM 6 −1OP LM 2 −5OP = LM 13 −33 OP
N−5 1Q N−1 3Q N−11 28 Q
Para obtener (A.B)–1, hallamos primero AB:
LM3 5OP LM1 1OP = LM28 33OP
A. B.=
N1 2Q N5 6Q N 11 13Q
Ahora calculando (A.B)–1, con la fórmula de la matriz inversa de 2x2 donde a = 28,
b = 33, c = 11 y d = 13
(A. B) −1 = 1 d LM −b OP
ad − bc − c N a Q
(A. B) −1 = 1 13 LM −33OP LM
=
13 −33 OP
(28)(13) − (33)(11) −11 N 28 Q N
−11 28 Q
Luego: (AB) −1 = B −1. A −1
Ejemplo 12.
Si A =
LM3 5OP k=2 verifique que ( kA ) −1 = 1 ⋅ A −1
N1 2Q y
k
Solución. Tenemos que: A −1 =

LM 2 −5 OP
N−1 3
.
Q
Desarrollando el miembro derecho de ( kA ) −1 = 1 ⋅ A −1 tenemos:

k
LM
1 ⋅ A −1 = 1 2 −5 = OP
1 −5 LM OP
N
2 −1 3
2
Q MM PP
N Q
k − 1 3
2 2
Para obtener el miembro izquierdo (kA)–1, tenemos:
LM6 10OP
N2 4 Q kA =
1 L d −b O = LM 4 OP LM
−10 1 4 −10 OP
( kA ) = −1
ad − bc N M − c a P 1
Q (6)(4) − (10)(2) N−2 =
Q N
6 4 −2 6 Q
LM 1 − 5 OP
Luego, ( kA )
MM− 1 23 PP
−1
N 2 2Q
1 ⋅ A −1
Para este caso se verifica (kA)–1 =
k
Ejemplo 13.
LM3 5OP verifique que: A −1

es invertible y (A −1 ) −1 = A
Si A =
N1 2Q
Solución. A = M
L 2 −5OP,
−1
N−1 3Q
como en A −1 tenemos que: a = 2, b = −5, c = − 5, d = − 3, entonces
(A −1 ) −1 = 1 dLM −bOP
= 1 =
3 LM −( −5) OP
ad − bc −c N Q
a (2)(3) − ( −1)( −5) −( −1) N 2 Q
=1
3LM 5 OP LM OP
1 1 N 2 Q Luego: (A −1 ) −1 = 3 5 = A
N Q
1 2
138 ALGEBRA LINEAL
Ejemplo 14. Si A =
LM3 5OP verifique que (A ) 2 −1
= (A −1 ) 2
N 1 2Q
Solución.
−1
• A =
LM 2 −5 OP
N−1 3 Q
(A −1 ) 2 = (A −1 ) ⋅ ( A −1 ) =
LM 2 −5 OP LM 2 −5
=
OP LM
9 −25OP
N −1 3 Q N−1 3 Q N
−5 14 Q
• Por otro lado
A2 = A ⋅ A =
LM 3 5 OP LM 3 5OP LM
=
14 25 OP
N1 2 QN1 2 Q N5 9 Q
Aplicando la fórmula de la inversa de 2 x 2
(A 2 ) −1 =
LM 9 −25 OP
; luego (A 2 ) −1 = ( A −1 ) 2
N−5 14 Q
LM3 5OP, verificar que: (A ) = (A )
Ejemplo 15. Si A = t −1
N1 2Q
-1 t
L3 5OP A = LM3 1OP A = LM 2 −5OP

Solución. A = M −1
N1 2 Q N5 2Q N−1 3Q
t
Utilizando la fórmula de matriz inversa 2 x 2 tenemos que:
t −1 L3 1OP
=M
−1
=
LM 2 −1OP L2
= M
−5 OP LM
=
t
2 −1OP
N5 2 Q N−5 Q N −1 Q N Q
-1 t
• (A ) 3 • (A ) 3 −5 3
Luego (At)–1 = (A–1)t
Relación entre inversas y sistemas de ecuaciones.

Si A es una matriz de n x n, entonces las siguientes afirmaciones son equivalentes:
• A es invertible.
• A es equivalente por renglones a In,es decir, A se puede transformar mediante
operaciones elementales entre filas en la matriz identidad In.
• AX = 0 tiene solución trivial, es decir, X = 0
• El sistema A X = B tiene solución única para toda matriz B de orden n x 1.
Ejemplo 16.
2 6 LM OP
a) Encuentre la inversa de la matriz, A = −1 4
N Q
b) ¿Es A equivalente a I2?
c) Halle la solución del sistema: 2x + 6y = 0
–x + 4y = 0
d) Halle la solución del sistema : 2x + 6y = –1
–x + 4y = 0
Solución. Observe que el sistema homogéneo en c), y el sistema No homogéneo en

d), tienen como matriz de coeficientes a la matriz:
LM
2 6 OP
N Q
A = −1 4 ; por lo tanto si A es Invertible, podemos dar solución casi inmediata a
todos los problemas propuestos.
a) A −1 = 1 LM d −b OP = 1 LM4 −6 OP
ad − bc N−c a Q 14 N1 2 Q
b) Segun el Teorema Anterior, como A es Invertible, A se puede transformar mediante
Operaciones Elementales, aplicando el método de Gauss-Jordan en la matriz Identi-
dad I2.
c) Como A es invertible, el sistema homogéneo: 2x + 6y = 0,
–x + 4y = 0
únicamente tiene la solución trivial: x = y = 0
d) Dado que A es invertible el sistema No homogéneo: 2x + 6y = –1,
–x + 4y = 0
tiene solución única, dada por:
X = A −1B, con: A =
LM 2 6OP, y B = LM−1OP ; luego
N−1 4Q N 0Q
L x O L4
X=M P= 1 M
−6 −1 OPLM OP LM x OP = 1 LM−4OP = LM − 27 OP
N yQ 14 N 1 2 0 QN Q N yQ 14 N−1Q MMN− 141 PPQ
140 ALGEBRA LINEAL
EJERCICIO 2.5
1. Determine la inversa (si existe) de cada una de las matrices siguientes:
LM2 2OP. LM1 5OP. LM1 0OP.

a)
N 3 1Q b)
N2 3Q c)
N1 1Q
L4 0 0O L1 2 3O LM OP
d ) M0 2 0P. e ) M0 2 4 P.
0 0 a
MM0 0 6PP MM0 0 5PP f) 0
MM b 0
PP
N Q N Q c N 0 0 Q
LM1 0 0 0OP LM0 0 0 0OP LMa 0 0 0 OP
g) M i) M PP
MM 1 0 0PPP h) M
MM 2 0 3PPP
1 2 0 0 5 0 1 5 0 b 0 0
2 2 MM0 0 c 0
PQ
N5 1 1 4Q N1 1 3 0Q N0 0 0 d
LM2 3OP y B = LM1 2OP Verifique lo siguiente:

2. Sean A =
N 1 2 Q N0 2 Q
a) (AB)–1 = B–1A–1. b) (At)–1 = (A–1)t.
1 –1
c) (B2)–1 = (B–1)2. d) (2B)–1 = B .
2
3. Diga si la siguiente afirmación es verdadera o falsa, justificando su respuesta.

• Si A y B son matrices invertibles del mismo orden, entonces A + B es una matriz
invertible.
4. Si A es una matriz involutiva (es decir, A2 = In), ¿cuál es la inversa de A?
5. Una matriz cuadrada A es ortogonal, si A–1 = At

• Muestre que A es ortogonal.
LM 1 1 0OP
MM 2 2 PP
A=M 0 1P
MM P
0
0P
MN 12 − 1
2
PQ
6. Determine la matriz A que hace verdadera cada ecuación matricial.

LM2 1OP = 5 3 LM1 2OP = LM 7 10OP
a) A
N1 0Q b) A
N3 4Q N15 22Q
LM2 0 OP LM6 0 OP LM1 0 2OP LM7 OP
MM0 1 PP MM0
c) 1 −1 A = 3 −1
PP MM0 1 3PP MM11PP
d ) 2 −1 0 A = 0
N Q N 1 Q N Q N Q
7. Utilizando la matriz inversa, calcule una matriz C, tal que AC + BC = D
A=
LM2 −3OP B=
LM1 5 OP D=
LM2 1OP
N4 1 Q N2 −3 Q N3 −5Q
8. Demuestre que A es la inversa de B
LM 1 2 3 OP 3LM −2 −1 OP
A=
MM−22 5 7
PP B = −4
MM 1 −1
PP
N −4 −5 Q 2 N 0 1 Q
9. Halle X tal que AX = I si:
LM2 1 1 1 OP 1 LM 1 OP
1
a) A = M PP
2 −1 −2 2
MM 1 −2 −1
b) A = 0
MM 2 3
PP
N1 2
3
−4 2 PQ 1 N −1 3 Q
10.Halle las inversas de las siguientes matrices:
LM 1 1 1 1 OP LM 3 4 2 7 OP LM2 5 2 OP
3
LM1 3 3 2 OP
1
d ) M1 PP
1 4 3 3 −1
a)M PP b) M PP c) M PP
2 3 −4
MM1
1 2 3 3 2 2 3 3 4
MN 3 MN25 MN43
3 4 1 1
3 5 −5
2
Q
7 3 9
Q
6 3 2
Q MN1
1 1 1 −1 PP
−4 −5 8 3 2 3 12 0 8
−2 −1 2 2 Q
LM1 3 OP .
11. Dada A =
N4 −3Q
LM x OP distinto de cero tal que: AU = 3U.
Halle una matriz columna U =
N yQ
142 ALGEBRA LINEAL
EJERCICIOS COMPLEMENTARIOS
1. Halle el conjunto solución para:
a. 6x _ 7y = 3
b. _3x1 + 4x2 _7x3 + 8x4 = 5
2. Halle la matriz aumentada para cada uno de los siguientes sistemas de ecuaciones
lineales.
a. x1 _ 2x2 = 0 b. x1 + x3 =1
3x1 + 4x2 = _1 2x2 _ x3 + x5 =2
_
2x1 x2 = 3 2x3 + x4 =3
3. Halle un sistema de ecuaciones lineales que corresponda a cada una de las matrices
aumentadas siguientes:
LM1 0 −1 2 OP LM1 2 3 4 OP
5
MM0
a) A = 2 1 1 3
PP b) A =
N5 Q
N −1 2 4 Q 4 3 2 1
4. En cada caso suponga que la matriz aumentada para un sistema de ecuaciones linea-
les se ha llevado por medio de operaciones sobre las filas a la forma escalonada
reducida. Resuelva el sistema.
LM1 0 0 OP
4
LM 1 5 0 0 5 OP
−1
b) M PP
0 0 1 0 3 1
MM0
a) 0 1 0 3
PP MM0
N 0 1 2 Q N0
0
0
0
0
1
0
4
0
2
0 PQ
5. Resuelva cada uno de los siguientes sistemas por medio de la eliminación de Gauss-
Jordan.
a) x1 + x2 + 2x3 = 8 b) x _ y + 2z _ w = _1
_x _2x + 3x = 1 2x _ y _ 2z _ 2w = _2
1 2 3
_
3x1 7x2 + 4x3 = 4 _ x + 2y _4z + w = 1
3x _ 3w = –3
6. Resuelva el siguiente sistema, en donde a y b son constantes

2x + y = a
3x + 6y = b
7. Resuelva el sistema homogéneo dado de ecuaciones lineales.

a) 3x1 + x2 + x3 + x4 = 0 b) x + 6y _ 2z = 0
_ _
5x1 x2 + x3 x4 = 0 2x _ 4y + z = 0
8. Halle la matriz inversa de las siguientes matrices, ampliando la dada con la matriz
idéntica del mismo orden y aplicando operaciones sobre filas en ambos lados.
LM1 2OP LM
3 4 −1 OP LM1 0 1 OP LM 1 0 1 OP
a) A =
N3 5 Q MN
b) B = 1 0 3
2 5 −4 PQ MN
c) C = 0 1 1
1 1 0 PQ MN
d ) D = −1 1 1
0 1 0 PQ
9. Una alcancía contiene billetes de $ 1,00, $ 5,00 y $ 10,00 ; hay 13 billetes que suman
$ 83,00.¿ Cuántos billetes de cada denominación hay en la alcancía?
10.Una dietista debe diseñar una dieta especial utilizando tres alimentos básicos. La
dieta es para incluir exactamente 340 unidades de calcio, 180 unidades de hierro y
220 unidades de vitamina A. El número de unidades por onza de cada ingrediente
especial para cada una de las comidas se indica en la siguiente tabla. ¿Cuántas onzas
de cada alimento se tendrán que usar para cumplir los requerimientos de la dieta?
Unidades por Onza

Comida A Comida B Comida C
Calcio 30 10 20
Hierro 10 10 20
Vitamina A 10 30 20
CUESTIONARIO
Indique si cada una de las siguientes afirmaciones es Verdadera o Falsa.

1. En un sistema consistente, la relación entre R (rango) y n (número de varia-
bles) es la que distingue los sistemas con solución única de los sistemas con
múltiples soluciones. V ____ F ____
2. Un sistema de ecuaciones lineales se dice que es consistente si tiene solución
única. V____ F____
144 ALGEBRA LINEAL
3. En un sistema consistente, si R (el rango del sistema) es menor que n (el

número de variables), hay n _ R variables libres. V ____ F____
4. Si R es menor que n, la solución es única . V ____ F ____
5. Un sistema consistente de ecuaciones lineales tiene solución única, si el rango
del sistema es igual al número de variables. V ____ F ____
6. Si el número de variables es mayor que el de ecuaciones, en un sistema consis-
tente, se puede concluir que el sistema tiene un número infinito de soluciones.
V____ F____
7. La matriz formada por los coeficientes de las incógnitas de un sistema de
ecuaciones, y los términos independientes, se denomina matriz aumentada.
V____ F____
8. La inversa de una matriz diagonal invertible, es una matriz diagonal. V____F____
9. Si en un sistema el número de ecuaciones, es igual al número de variables, se
sigue que el sistema tiene solución única. V ____ F ____
10.Un sistema consistente de ecuaciones lineales, tiene solución única, si el rango
de la matriz aumentada, es igual al número de incógnitas. V____F____
11.Las operaciones elementales sobre matrices, son operaciones que modifican
su orden. V ____ F ____
12.Un sistema de ecuaciones es inconsistente, cuando tiene una única solución.
V ____ F ____
13.Si A-1, es la inversa de A, entonces, la solución de la ecuación matricial
AX = B es X = A-1B. V____F____
14.Si el sistema de ecuaciones AX = B, donde B es una matriz columna nula, se
dice que es un sistema no homogéneo. V ____ F ____
15.Una solución de un sistema de ecuaciones lineales, es trivial, si el valor de
todas las incógnitas es cero. V ____ F ____
16.Si a la matriz aumentada de AX = B, se le cambian dos filas cualesquiera, el
sistema cambia de solución. V ____ F ____
17.Si a la matriz aumentada de AX = B, se le multiplica por un escalar k a una fila
cualquiera, no cambia su solución. V ____ F ____
2.6 TALLER DE INFORMÁTICA CON USO DE “DERIVE”

Operaciones elementales entre filas.
Intercambiar dos filas en una matriz. Fi ↔ Fj
LM1 2 3 OP
Ejemplo 1. Intercambie las filas 2 y 3 de la matriz A = M4 −5 7
PQ
N2 −1 5
Solución. Utilizamos la función de DERIVE: SWAP_ELEMENTS (A, i, j), la cual

utiliza tres argumentos:
A : Matriz de orden m x n
i,j: Filas que se van a intercambiar.
1. Utilizamos el procedimiento de "creación de una matriz" descrito en el capítulo ante-

rior, o escribimos en la línea de edición A: = [1, 2, 3, 4, –5, 7; 2, –1, 5]
Figura 1.1 Creación de una matriz en la línea de comando DERIVE
3. Escribimos en la línea de edición SWAP_ELEMENTS (A, 2, 3) para intercambiar
las filas 2 y 3 en la matriz A.
5. Para obtener la nueva matriz se hace clic sobre el botón rotulado = en el menú
principal.
146 ALGEBRA LINEAL
Multiplicar una fila de una matriz por un escalar. Fi ↔ cFi
LM1 2 3 OP
Ejemplo 2. Multiplique la fila 2 de la matriz A = M4 PQ
−5 7 por el escalar c = 10.
N2 −1 5
Solución. Utilizamos la función de DERIVE: SCALE_ELEMENT (A, i, c), la cual

utiliza tres argumentos:
A: matriz de orden m x n
i : fila que se va a multiplicar por un escalar
c: escalar por el que se va a multiplicar una fila.
1. Utilizamos el procedimiento de “creación de una matriz” descrito en el capítulo ante-
rior, o escribimos en la línea de edición A: [[1, 2, 3], [4, –5, 7], [2, –1, 5]]
3. Escribimos en la línea de edición SCALE_ELEMENT (A, 2, 10) para multiplicar la
fila 2 de la matriz A por el escalar C = 10
principal.
Restar a la fila i de la matriz A, c veces la fila j de A. Fi ↔ − cFj + Fi
Ejemplo 3.
LM1 2 3 OP
Reste a la fila i = 2 de la matriz A = M4 PQ
−5 7 , c = 4 veces la fila de j = 1 de A
N2 −1 5
Solución. Utilizamos la función de DERIVE: SUBTRACT_ELEMENTS(A, i, j,c),

la cual utiliza cuatro argumentos:
A : Matriz de orden m x n
i : Fila de la cual se va a restar un múltiplo de la fila j.
j : Fila que se va a multiplicar por un escalar para luego ser restada de la fila i.
c : Escalar por el que se va a multiplicar una fila j.
148 ALGEBRA LINEAL
1. Utilizamos el procedimiento de “creación de una matriz” descrito en el capítulo ante-

rior, o escribimos en la línea de edición A: = [[1, 2, 3], [4, –5, 7] [2, –1, 5]]
3. Escribimos en la línea de edición SUBTRACT_ELEMENTS (A, 2, 1, 4) para restar
a la fila 2 de la matriz , cuatro veces la fila 1.
principal.
LM1 2 3 OP
Ejemplo 4. En la matriz B = M0 PQ
−13 5 obtenida en el ejemplo anterior, reste a la
N2 −1 5
fila i = 3,c = 2 veces la fila j = 1
Solución.
1. Se coloca el cursor sobre la línea de edición y se escribe B; = se selecciona la
matriz resultante en el ejemplo anterior, haciendo clic sobre ésta en la ventana de
álgebra y luego presionando la tecla F4 para copiarla en la línea de edición.
3. Escribimos en la línea de edición SUBTRACT_ELEMENTS (B, 3, 1, 2) para restar
a la fila 3 de la matriz A, dos veces la fila 1
principal.
Ejemplo 5. Aplicando el método de Gauss, encuentre una matriz de forma escalo-

nada correspondiente al sistema de ecuaciones:
_
2x + 3y 5z = 4
_ _ _
x + 4y 2z = 1
_
5x + 6y z = 4
LM 2 3 −5 4OP
MM 5
Solución. La matriz aumentada del sistema es: −1 4 −2 −1
PP
N 6 −1 4 Q
En forma secuencial escribimos las siguientes expresiones en la línea de edición:
1.
3.
5. Se hace clic sobre el botón rotulado = en el menú principal.
150 ALGEBRA LINEAL
6.
9.
10.Se presiona enter.

12.

14.Se hace clic sobre el botón rotulado = en el menú principal.
15.

18.

152 ALGEBRA LINEAL
La última matriz corresponde a una forma escalonada del sistema inicial.
Ejemplo 6. Continue en el ejemplo anterior aplicando el método de Gauss-Jordan,

hasta llevar la matriz a la forma escalonada reducida.
En forma secuencial escribimos las siguientes expresiones en la línea de edición:
1.
4.
7.
154 ALGEBRA LINEAL
En la última matriz obtenemos la solución del sistema: x = 115 , y = − 31 , z = − 63

13 113 113
Rango de una matriz.
LM2 1 −5 4 OP
Ejemplo 7. Encuentre el rango de la matriz A = M2 3 −2 1
PQ
N4 4 −7 5
Solución. Utilizamos la función RANK(A), que posee como único argumento la

matriz A.
1. Creamos la matriz A utilizando el botón de creación de matrices en el menú principal
o escribimos en la línea de edición:
3. Escribimos en la línea de edición:
Se obtiene la siguiente presentación en la ventana de álgebra:

Ejemplo 8. Encuentre la matriz escalonada reducida del sistema:

2 x1 + 3x2 − 2 x3 + 3x4 = 5
5x1 + 2 x2 − 4 x3 + 7 x4 = −3
− x1 − 5x2 + 7 x3 − 2 x4 = −3
LM 2 3 −2 3 5 OP
MN−1
Solución. La matriz aumentada del sistema es: A = 5 2 −4 7 −3
−5 7 −2 −3 PQ
Podemos realizar el procedimiento explicado anteriormente paso a paso o podemos
obtener la forma escalonada reducida en un sólo paso utilizando la función:
ROW_REDUCE(A).
1. Creamos la matriz A utilizando el botón de creación de matrices en el menú principal
o escribimos en la línea de edición:
2. Escribimos en la línea de edición:
Observamos lo siguiente en la ventana de álgebra:

156 ALGEBRA LINEAL
Inversa de una matriz
LM−2 5 7 6 OP
Ejemplo. Halle la inversa de la matriz A = M PP
9 −4 2 7
MN 85 3 2 −4
10 −20 8 Q
Solución.
1. Utilizamos el procedimiento de creación de una matriz descrito en el capítulo de
Matrices, o escribimos en la línea de edición:
3. Para calcular la inversa de la matriz A. Escribimos en la línea de edición:
5. Para obtener la inversa de A se hace clic sobre el botón rotulado = en el menú
principal.
2.7 TALLER DE INFORMÁTICA CON USO DE "Excel"

Inversa de una matriz.
LM 1 2 3 OP
MN2
Ejemplo 1. Halle la inversa de la matriz A = 4 −5 7
−1 5 PQ
Solución. Utilizamos la función de excel MINVERSA(BLOQUE), la cual posee un
argumento: BLOQUE: corresponde a la dirección de las celdas donde se encuentra la
matriz
1. Escribimos los elementos de la matriz A en el bloque de celdas B2: D4
2. Seleccionamos el bloque de celdas B7: D9, donde queremos obtener la matriz inversa.
Para hacer la selección, hacemos clic con el botón izquierdo del mouse en la celda B7
y manteniendo el botón presionado, arrastramos el mouse hasta la celda D9.
3. En la línea de edición de Excel, escribimos la fórmula:
4. Presionamos secuencialmente y sin soltar las teclas Control, Mayúscula, Enter;

después de tener las tres teclas presionadas simultáneamente, las liberamos para
obtener la matriz inversa.
158 ALGEBRA LINEAL
Solución de un sistema de m ecuaciones lineales con m variables.

Ejemplo 2. Halle la solución del sistema de ecuaciones:
2 x + 3 y − 5z = 4
− x + 4 y − 2 z = −1
5x + 6 y − z = 4
LM 2 OP LM
3 −5 x 4 OP LM OP
Solución. Escribimos el sistema en forma matricial −1 4
MN 5 PQ MN
−2 y = −1
6 −1 z 4
PQ MN PQ
Este sistema tiene la forma AX = B cuya solución está dada por X = A-1 B por lo tanto
debemos hallar la inversa de la matriz A y multiplicarla por la matriz columna B.
1. Escribimos los elementos de la matriz A en el bloque de celdas B2: D4.
2. Seleccionamos el bloque de celdas B7: D9, donde queremos obtener la matriz inversa.
y manteniendo el botón presionado, arrastramos el mouse hasta la celda D9.
3. En la línea de edición de Excel, escribimos la fórmula:

obtener la matriz inversa.
160 ALGEBRA LINEAL
5. Escribimos los elementos de la matriz B en el bloque de celdas F7: F9.

6. Seleccionamos el bloque de celdas B12: B14, donde se calculará la matriz X = A-1B
y manteniendo el botón presionado, arrastramos el mouse hasta la celda B14.
7. Escribimos en la línea de edición de excel la fórmula:

obtener la matriz X.
En la última matriz obtenemos la solución del sistema:

x = 1,018 , y = – 0,274, z = – 0.558
162 ALGEBRA LINEAL
RESUMEN
• En la solución de un sistema de dos ecuaciones con dos variables existen tres

casos que se pueden describir geométricamente.
a. Si el sistema tiene exactamente una solución, los gráficos de las ecuaciones
lineales se cortan en un punto.
b. Si el sistema no tiene solución, los gráficos de las ecuaciones lineales son
paralelos.
c. Si el sistema tiene un número infinito de soluciones, los gráficos de las
ecuaciones lineales coinciden.
• En un sistema de m ecuaciones lineales con n variables, una solución o solu-
ción particular del sistema es un conjunto de valores de las variables, una n-
upla de números reales (s1, s2,...,sn) que es solución de cada una de las ecuacio-
nes del sistema.
• Un sistema de ecuaciones lineales se puede escribir en la forma matricial
AX = B, dónde A es la matriz de coeficientes, X es la matriz columna de las
incógnitas, y B es la matriz columna de los términos independientes.
• Una matriz de tamaño m x n es escalonada, si el número de ceros antes del
primer elemento no nulo de cada fila, aumenta de fila en fila, hasta obtener
posiblemente filas de solo ceros.
• Una matriz de tamaño m x n, es escalonada reducida, si tiene forma escalona-
da y el primer elemento no nulo de cada fila es uno, y es el único elemento
distinto de cero de la respectiva columna.
• Para resolver un sistema por el método de eliminación de Gauss, se forma la
matriz aumentada del sistema, se transforma la matriz aumentada a su forma
escalonada y se escribe el sistema correspondiente a la forma escalonada, y
de este sistema se obtiene la solución.
• En un sistema en forma escalonada de k ecuaciones con m variables se tiene:
a. Si k = m, entonces el sistema tiene solución única.
b. Si k < m, entonces el sistema tiene m – k, variables libres y se obtienen
múltiples soluciones del sistema
• El rango de una matriz A de tamaño m x n, es el número de filas distintas de
cero de su forma escalonada o escalonada reducida, y se nota RA.
• En una matriz A con n variables, si RC es el rango de la matriz de los coeficien-
tes y RA es el rango de la matriz aumentada tenemos:
Continúa
a. Si RC < RA, entonces el sistema es inconsistente.

b. Si RC = RA, y RA = n, entonces el sistema tiene solución única.
c. Si RC = RA, y RA < n, entonces el sistema tiene infinitas soluciones.
• Se dice que un sistema de m ecuaciones lineales con n variables, es homogé-
neo, si todos los términos independientes son iguales a cero.
• En un sistema de ecuaciones lineales homogéneo existen dos posibilidades
para su solución:
a. Si RC = n, entonces el sistema tiene solución única.
b. Si RA < n, entonces el sistema tiene infinitas soluciones.
• Una matriz A de tamaño n x n, es invertible, o no singular, si existe una matriz
B, llamada la inversa de A, que cumple, que AB = I, y BA = I, y se nota B = A-1.
• Para hallar la inversa de una matriz A, por el método de Gauss-Jordan, se
realiza lo siguiente:
a. Se construye la matriz aumentada [A | In], donde In, es la matriz identidad.
b. Si [A | In], es equivalente a [In | B], por medio de operaciones elementales,
entonces A es invertible, y B = A-1.
c. Si .[A | In], es transformada en [C | D], donde la matriz C posee por lo
menos una fila de ceros, entonces la matriz A no es invertible.
• Si A y B son matrices cuadradas invertibles de orden n, y k ∈ R, k ≠ 0,
entonces:
a. AB es invertible y (AB)–1 = B–1A–1
b. (kA)–1 = k1 A–1
c. (A–1)–1 = A
d. An es invertible, y (A–1)n = (A–1)n
• Si A es una matriz de tamaño n x n, entonces las siguientes afirmaciones son
equivalentes:
a. A es invertible.
b. A es equivalente por renglones a In.
c. AX = 0, tiene únicamente la solución trivial, es decir X = 0.
164 ALGEBRA LINEAL
GLOSARIO
Sistema ecuaciones lineales: es un modelo matemático formado por variables y

ecuaciones.
Solución de un sistema lineal: conjunto de números reales que al sustituirlos en
el sistema lineal satisfacen todas las ecuaciones.
Forma matricial de un sistema: representación de un sistema de ecuaciones
lineales por medio de operaciones entre matrices.
Sistemas equivalentes: cuando toda solución de uno de ellos, lo es también del
otro.
Operaciones elementales entre filas: son transformaciones que producen siste-
mas equivalentes.
Matriz aumentada: es la representación de un sistema lineal en forma de matriz,
compuesta por los coeficientes de las variables del sistema y los términos inde-
pendientes.
Método de Gauss: procedimiento que aplica operaciones elementales entre filas,
para trasformar la matriz aumentada del sistema original en forma escalonada de
un sistema equivalente.
Sistema homogéneo: sistema de m ecuaciones y n variables en donde los térmi-
nos independientes son ceros.
Matriz inversa: es una matriz cuadrada que al multiplicarla por la matriz original
da como resultado la matriz idéntica.
Sistema inconsistente: es aquel que no tiene solución.
Sistema consistente: es aquel que tiene solución única o múltiples soluciones.
3 Determinantes
Gabriel Cramer. Nació el 31 de Julio de 1704 en

Ginebra, Suiza y murió el 4 de Enero de 1752 en
Bagnols-sur-Cèze, Francia. Matemático Suizo, profe-
sor de matemáticas de la Universidad de Ginebra du-
rante el período 1724-1727. En 1750 ocupó la cátedra
de Filosofía en la citada universidad.
En 1731 presentó en la Academia de Ciencias de
París, una memoria sobre las causas de la inclinación
de las órbitas de los planetas. Editó las obras de Jean Cramer
Bernoulli 1742 y Jacques Bernoulli 1744, y el
Comercium Epistolarum de Leibniz. Su obra fundamental es la Introducción al Análi-
sis de Curvas Algebraicas en (1750), en la que se desarrolla la Teoría de las Curvas
Algebraicas, según los principios Newtonianos.
Trabajó en Análisis y Determinantes. Es más conocido por su trabajo en Determi-
nantes en (1750). La conocida Regla de Cramer para la solución de Determinantes,
publicada en su Introducción al Análisis de Curvas Algebraicas (1750). Fue descu-
bierta con Colin Mac Laurin (1698-1746), probablemente en 1729, cuando estaba escri-
biendo el Tratado de Álgebra, publicado en 1748, cuatro años antes de su muerte.
Estudió las ecuaciones lineales con múltiples incógnitas, también trabajó sobre la
representación de la línea recta.
166 ALGEBRA LINEAL
Introducción
En este capítulo se definen los determinantes de orden n x n y se

analizan sus propiedades. Se presentan algunos métodos para el
cálculo numérico de un determinante, como son: la regla de Sarrus,
el método de cofactores; también se ilustra la forma de calcular la
matriz inversa por el método de la matriz adjunta, se resuelven
sistemas de n ecuaciones n variables mediante la regla de Cramer.
Se muestra la aplicación de la matriz Insumo-producto de Leontief,
como una de las múltiples aplicaciones de los determinantes. Se
complementa el capítulo calculando determinantes y verificando
algunas propiedades mediante el uso de la tecnología con los pro-
gramas computacionales Derive y Excel.
Objetivos
• Definir el concepto de determinante y presentar algunas de sus

propiedades básicas.
• Resolver determinantes de orden n x n por medio de expan-
sión de cofactores.
• Calcular la inversa de una matriz de orden n x n por medio de
la matriz adjunta.
• Resolver sistemas de ecuaciones lineales n de variables y n
ecuaciones, mediante la regla de Cramer .
• Aplicar los determinantes al modelo de la matriz insumo-pro-
ducto.
3.1 DETERMINANTES DE ORDEN 2 x 2 Y 3 x 3

LMa b OP de orden
En el capítulo 2 encontramos que la matriz de D =
Nc d Q
1 L d −b O
ad − bc MN − c a PQ
2 x 2 es invertible si y solo si ad − bc ≠ 0 y D −1 =
El número real ad – bc es importante dentro de la teoría de las

matrices de orden 2 x 2, ya que determina si la matriz D posee inversa
o no; por lo tanto damos la siguiente definición:
Determinantes de orden 2 x 2
LMa b OP una matriz de orden 2 x 2. El determinante de

Sea A =
Nc d Q
a b
orden 2 x 2 de la matriz A, que se nota como det(A) o ,
c d
a b
está dado por det(A) = = ad − bc
c d
L4 6OP
Ejemplo 1. Calcular el determinante de la matriz A = M
Recuerde
N7 8 Q
Un
determinante
es una función
Solución. A = 32 − 42 = − 10 que asigna un
número real
a una matriz
cuadrada
Ejemplo 2. Hallar el determinante de las siguientes matrices: mediante
a) A =
LM 2 2OP b) B =
LM4 −2OP reglas
determinadas.
N 2 2Q N8 − 4 Q
c) C = M
L2 6OP L3 1OP
d) D = M
N4 12Q N6 2 Q
Solución.
2 2
a) A = = 2 2 − 2(2) = 2 − 4 = − 2.
2 2
168 ALGEBRA LINEAL
4 −2
b) B = = 4( −4) − 8( −2) = −16 + 16 = 0.
8 −4
Matriz tras-
2 6
c) det (C) = = 2(12) − 4(6) = 24 − 24 = 0. puesta
4 12 Es la matriz que
se obtiene al
intercambiar
3 1
d) det ( D) = = 3(2) − 1(6) = 6 − 6 = 0. las filas por las
6 2 columnas de una
matriz, y se
nota At.
Ejemplo 3. Sean A =
LM1 2OP y B=
LM3 2OP,
N3 2 Q N6 3Q Hallar:
a) det(A) y det(B)
b) Evalúe det(3A)
c) ¿det(A + B) = det(A) + det(B)?
d) Verifique que det(At) = det(A)
e) Verifique que det(AB) = det(A) . det(B)
f) Verifique que det(BA) = det(A) . det(B)
1
g) Verifique que det(A–1) = det ( A)
Solución.
1 2
a) A = = (1)(2) − (2)(3) = 2 − 6 = −4
3 2
3 2
B = = ( 3)( 3) − ( 2)(6) = 9 − 12 = −3
6 3
3⋅1 3⋅ 2 3 6
b) 3A = = = 3(6) − 6(9) = 18 − 54 = −36
3⋅ 3 3⋅ 2 9 6
4 4
c) A+ B = = 20 − 36 = −16 ≠ −4 − 3 = A + B
9 5
1 3
d) At = = 2 − 6 = −4 = A
2 2
e) AB=
LM1 2OP LM3 2OP = LM 3 + 12 2+6 OP LM
=
15 8OP
N3 2Q N6 3Q N9 + 12 Q N Q
, por tanto:
6+6 21 12
15 8
AB = = 15(12) − 21(8) = 180 − 168 = 12,
21 12
ahora A = − 4 y B = − 3, luego, ( −4) ( −3) = A B
f ) BA =
LM3 2OP LM1 2OP = LM 3 + 6 6+4 OP LM
=
9 10 OP
N6 3Q N3 2Q N6 + 9 12 + 6 Q N
15 18 Q
, por tanto:
9 10
BA = = 9(18) − 15(10) = 162 − 150 = 12 = AB
15 18
g) Como det ( A) = − 4 ≠ 0, la inversa de A existe y viene dada por:
A −1 = 1
2 LM −2 OP
−4 −3 N 1 Q
, de donde se tiene que:
1 1
det ( A -1 ) = −2 2 = 1−3 = 1 = 1
3
4
1
−4
8 8 −4 det ( A)
Determinantes de orden 3 x 3
LMa 11 a12 a13 OP

Sea A = Ma a22
PQ
a23 una matriz de orden 3 x 3.
Na
21
31 a32 a33
El determinante de orden 3 x 3 de la matriz A, notado det(A) o simplemente |A|,

está dado por:
a22 a23 a a23 a a22

det(A ) = A = a11 − a12 21 + a13 21
a32 a33 a31 a33 a31 a32
170 ALGEBRA LINEAL
2 4 6 LM OP
Ejemplo 4. Calcular el determinante de la matriz: A = 1 2 3
7 2 1 MN PQ
Solución.
2 3 1 3 1 2
A = (2) − (4) + (6)
2 1 7 1 7 2
= 2(2 − 6) − 4(1 − 21) + 6(2 − 14) = − 8 + 80 − 72 = 0
2 LM α −3 OP
Ejemplo 5. Encuentre los valores de α tales que A = 0, donde: A = 5
MM 1 0
PP
1 0 5 0 5 1
2 N 1 −1 Q
Solución. A = (2) − (α) + ( −3)
1 −1 2 −1 2 1
= 2 (−1 + 0) − α( −5 + 0) − 3 (5 − 2)
= −2 + 5 α − 9
= 5α − 11
Como A= 0 entonces 5 α – 11 = 0, luego α = 11

5
Regla de Sarrus para calcular un determinante de orden 3 x 3
a11 a12 a13

Para evaluar A= a21 a22 a23 seguimos los siguientes pasos:
a31 a32 a33
1. Se repiten las dos primeras filas a continuación de la tercera, trazando diagonales

de izquierda a derecha y de derecha a izquierda como se muestra en la figura:
a11 a12 a13

A = a21 a22 a23
a31 a32 a33
a11 a12 a13
a21 a22 a23
2. El determinante se obtiene como la diferencia entre la suma

de los productos de los elementos sobre las diagonales de
izquierda a derecha y la suma de los productos de los ele-
mentos sobre las diagonales de derecha a izquierda.
A = (a11 a22 a33 + a21 a32 a13 + a31 a12 a23 ) −
(a31 a22 a13 + a11 a32 a23 + a21 a12 a33 )
2 4 1 LM OP
Ejemplo 6. Calcular el determinante de la matriz: A = 0 0 2
7 4 8 MN PQ
Solución. Aplicando la regla de sarrus, repetimos las dos primeras
filas a continuación de la tercera y efectuamos los productos de los
elementos sobre las diagonales como se explicó anteriormente.
2 4 1
0 0 2
7 4 8 = (0 + 0 + 56) − (0 + 16 + 0) = 56 − 16 = 40
2 4 1
0 0 2
EJERCICIO 3.1
1. Calcule los determinantes de las siguientes matrices:
LM 1OP
3 LM−2 0OP a LM bOP
a) 2
N 4Q b)
N 4 2Q c) b
N aQ Advertencia
Las matrices se
LM 3 4 6OP LM 1 1 1OP LM 0 −1 OP
2
notan con
paréntesis
d) M4 5 2 P e) M2 2 2 P MM−21 01 PP
1 rectángulares:
MN6 2 4PQ MN 3 3 3PQ f)

N 0 Q [aij] o con
paréntesis
comunes: (aij),
mientras que el
LM a 0 0 OP LMa b c OP determinante se
nota con barras:
g) M b c 0
PP h) M 0 d e
PP A.
MNd e f Q MN 0 0 f Q
172 ALGEBRA LINEAL
2. Utilizando la regla de Sarrus, evalúe:

1 2 3 −4 1 2 −7 4 3
a) 1 3 6 b) 3 2 5 c) 3 5 2
1 4 7 4 6 −2 8 −3 4
3. Encuentre todos los valores de λ para los cuales det (A) = 0
λ−6 0 0
λ −1 −2
a) b) 0 λ −1
1 λ−4
0 4 λ−4
4. Para cada una de las siguientes matrices, resuelva la ecuación

A–xI2= 0, donde I2 es la matriz identidad de orden 2 x 2.
a) A =
LM3 0OP b) A =
LM2 3OP 1
c) A = 0
LM OP
−1
N1 1Q N4 5Q N −5Q
5. Sean A =
LMa11 a12 OP y B=
LMb11 b12 OP Compruebe lo siguiente:
MNa 21 a22 PQ MNb
21 b22 PQ
a) det(A t) = det(A)
b) det(kA) = k 2det(A), con k ∈ R
c) det(AB) = det(A)det(B)
3. 2 DETERMINANTES DE ORDEN n x n
Menor i, j
El menor i, j de una matriz A de orden n x n denotado Mij, es la matriz de orden
(n – 1) x (n – 1) que resulta al suprimir la fila “i” columna “j” en la matriz A.
Ejemplo 1. Encuentre los menores M11 y M33 de la matriz

a11 a12 a13
a
A = 21 a22 a23
a31 a32 a33
Solución. Para determinar el menor M11 suprimimos la fila 1 y la columna 1 en A.
M11 =
LMa a23 OP
Na Q
22
32 a33
El menor M33 se obtiene eliminando la fila 3 y la columna 3 en la matriz A.
M 33 =
LMa a12 OP
Na Q
11
21 a22
Cofactor i, j
El cofactor i, j, de una matriz A de orden n x n denotado Cij, se define como:
Cij = (–1)i+jMij
donde Mij es el menor i, j de la matriz A.
Ejemplo 2. Halle los cofactores C11 y C21 de la matriz

LM 3 7 1OP
MM4
A= 8 2 9
PP
N 6 5 Q
2 9
Solución. C11 = ( −1)1+1 M11 = = 10 − 54 = − 44
6 5
7 1
C21 = ( −1) 2 +1 M 21 = − = − (35 − 6) = − 29
6 5
Matriz de cofactores
Si A es una matriz de orden n x n la matriz de cofactores de A notada Cofact (A),
está formada por todos los cofactores de A en sus correspondientes posiciones
LM4 2 OP
1
Ejemplo 3. Halle la matriz de cofactores de A = M1 2 3
PP
MN7 2 1 Q
174 ALGEBRA LINEAL
Solución.
2 3
C11 = ( −1)1+1 = −4
2 1
1 3
C12 = ( −1)1+ 2 = − ( −20) = 20
7 1
1 2
C13 = ( −1)1+ 3 = − 12
7 2
2 2
C21 = ( −1) 2 +1 = −0 = 0
1 1
4 1
C22 = ( −1) 2 + 2 = −3
7 1
Recuerde
El cofactor ij de
4 2
C23 = ( −1) 2 + 3 = 6 A está dado por:
7 2 Cij = (–1)i+jMij.
2 1
C31 = ( −1) 3+1 = 4
2 3
4 1
C32 = ( −1) 3+ 2 = − 11
1 3
4 2
C33 = ( −1) 3+ 3 = 6
1 2
LM−4 20 OP
−12
MM 4
La matriz de cofactores es: Cofact ( A) = 0 −3 6
PP
N −11 6 Q
Signos de los cofactores

Los signos de los cofactores se pueden obtener, partiendo de la posición en la fila
1 columna 1 en la matriz de cofactores, e intercalando signos más y menos de
izquierda a derecha y de arriba abajo como se muestra a continuación:
LM + − + − OP
MM −
+
+
−
−
+
+
−
PP
MN − + − + PQ
LM2 3 OP
1
Ejemplo 4. Halle la matriz de cofactores de A = M 0 1 1
PP
MN0 0 3 Q
Solución. Ubicamos primero los signos de los cofactores,
LM+ − + OP
MM−+ + −
PP
N − + Q
A continuación de cada signo colocamos los determinantes de los menores Mij de A.
LM+ 1 1
−
0 1
+
0 1 OP
MM 0 3 0 3 0 0
PP
MM − 3 1
+
2 1
−
2 3 P
P
Cofact ( A) = M 0 3 0 3 0 0 P
MM PP
MM + 3 1
−
2 1
+
2 3 P
1 P
MN 1 1 0 1 0
PQ
LM 3 0 0 OP
MM 2
Cofact ( A) = −9 6 0
PP
N −2 2 Q
176 ALGEBRA LINEAL
DETERMINANTES DE ORDEN n x n
El determinante de una matriz de orden n x n se puede calcular realizando un
procedimiento que llamaremos desarrollo en cofactores por una fila o por
una columna de la matriz A.
LM a
11 a12 L a1n OP
Sea A = M PP
a a22 L a2 n
MM M
21
M M
Na
m1 a m2 L amn PQ
• Desarrollo en cofactores por la fila i
A = ai1Ci1 + ai2Ci2 + ... + ainCin
i = 1, 2, ..., n
• Desarrollo en cofactores por la columna j

A = a1jC1j + a2jC2j + ... + anjCnj
j = 1, 2, ..., n
2 LM 4 OP
6
Ejemplo 5. Calcular el determinante de la matriz: A = 1
MM 2 3
PP
7 N 2 1 Q
Solución. Vamos a desarrollarlo en cofactores por la fila uno:
LM + − + OP
MM +
No debemos olvidar los signos de los cofactores de la fila 1 − + −
PP
N − + Q
2 3 1 3 1 2
A = +2 −4 +6
2 1 7 1 7 2
= 2(2 − 6) − 4(1 − 21) + 6(2 − 14) = − 8 + 80 − 72 = 0
Vamos a desarrollarlo en cofactores por la columna 2

LM + − + OP
MM +
Los signos de los cofactores de la columna dos son: − + −
PP
N − + Q
A = −4
1 3
+2
2 6
−2
2 LM 6 OP
7 1 7 1 1 N 3 Q
= − 4(1 − 21) + 2(2 − 42) − 2(6 − 6) = 80 − 80 + 0 = 0
Podemos desarrollar el determinante por cualquier fila o columna y el resultado siem-

pre será cero.
LM −2 0 0 0 OP
Ejemplo 6. Evalúe el determinante de la matriz A = M PP
1 −1 0 0
MM 3 −2 4 0
PQ
N 1 −1 8 5
Solución. Desarrollamos el determinante en cofactores por la cuarta columna,
LM 0 OP
MM 0
PP que es la que posee más ceros.
MN PQ
0
5
A = 0C14 + 0C24 + 0C34 + 5C44 = 5C44
Debemos tener en cuenta los signos de los cofactores de la cuarta columna,
LM − OP −2 0 0
MM +
−
PP A = +5 1 −1 0
MN + PQ 3 −2 4
LM 0 OP
Desarrollando este determinante por la tercera columna M 0
PP
MN 4 Q
A = 5(0C13 + 0C23 + 4C33 ) = 5(4C33 ) = 20C33
Debemos tener en cuenta los signos de los cofactores de la tercera columna,

178 ALGEBRA LINEAL
LM + OP
MM −
PP
N + Q
−2 0
= + 20
1 −1
= 20(2 − 0) = 40
Observe que la matriz A es triangular inferior y que su determinante resulta igual al

producto de los elementos de la diagonal.
A = (–2)(–1)(4)(5) = 40
LM2 3 −4 1OP
Ejemplo 7. Hallar el determinante de la matriz H = M PP
3 0 1 3
MM 2 1 8 4
PQ
N5 7 6 −2
Solución. Desarrollemos el determinante en cofactores por la primera fila.
Podemos seleccionar los signos de los cofactores como en el ejemplo anterior o
aplicamos la definición de cofactor, como sigue:
det( H ) = 2(−1)1+ 1 M11 + 3( −1)1+ 2 M12 +
1+ 4
( −4)( −1)1+ 3 M13 +1( −1) M14
0 1 3 3 1 3 3 0 3 3 0 1
= 2 1 8 4 −3 2 8 4 −4 2 1 4 −1 2 1 8
7 6 −2 5 6 −2 5 7 −2 5 7 6
FG 8 4 1 4 1 8 IJ
= 2 0
H 6 −2
−1
7 −2
+3
7 6 K
F
−3 G 3
8 4 2 4 2 8 IJ
H 6 −2
−1
5 −2
+3
5 6 K
FG 3 1 4 2 4 2 1 IJ
−4
H 7 −2 −0
5 −2
+3
5 7 K
F 1 8
−1 G 3
2 8 2 1 IJ
H 7 6 −0
5 6
+1
5 7 K
= 2(30 − 150) − 3( −120 + 24 + 84) − 4( −90 + 27) − ( −150 + 9) = 693 Recuerde
Diagonal
De donde se sigue que det(H) = 693 principal es la
formada por los
elementos a11,
Ejemplo 8. Hallar el determinante de la matriz: a22,..., ann de una
matriz cuadrada.
LM2 3 −4 1 OP
H =M PP
3 0 1 3
MN25 1 8 4
7 6 −2 Q
desarrollándolo por la columna o fila que contenga más ceros
Solución. Elijamos la columna dos.
det( H ) = 3⋅ ( −1)1+ 2 ⋅ M12 + 0 ⋅ ( −1) 2 + 2 ⋅ M 22
+ 1 ⋅ ( −1) 3+ 2 ⋅ M 32 + 7 ⋅ ( −1) 4 + 2 ⋅ M 42
Matriz
triangular
3 1 3 2 −4 1 2 −4 1 superior
=− 3 2 8 4 − 3 1 3 +7 3 1 3 = 693 Es aquella en que
todos los
5 6 −2 5 6 −2 2 8 4 elementos que
están bajo la
diagonal
LMa OP
principal son
b c d ceros
Ejemplo 9. Calcular el determinante de A = M PP

0 e f g
MM 0 0 h i
PQ
N0 0 0 j
Solución. Vamos a desarrollar el determinante en cofactores por
la primera columna.
180 ALGEBRA LINEAL
e f g
det(A) = a 0 h i y de nuevo por la primera columna:
0 0 j
FG h i IJ = aehj,
H
det(A) = a e
0 j K
Observe que la matriz A es triangular superior y su determinante corresponde al
producto de los elementos de la diagonal.
1 LM 2 OP
3
Ejemplo 10. Calcular el determinante de la matriz: C = 2
MM 3 1
PP
3 N 1 2 Q
Solución.
1 2 3
3 1 2 1 2 3
det ( C) = 2 3 1 =1 −2 +3
1 2 3 2 3 1
3 1 2
= 1(6 − 1) − 2(4 − 3) + 3(2 − 9) = 5 − 2 − 21 = −18
EJERCICIO 3.2
1. Halle la matriz de cofactores de las siguientes matrices:
LM 1 −1 OP LM2 OP LM 1 0 0 OP
0
M PP
2 3 4 2 3 0 0
a) M −1 1 2
PP b) M4 3 1
PP c) M4
MN 2 MN 1 MN7 PQ
5 6 0
−1 1 Q 2 4 Q 8 9 1
LM 1 2 3 OP
2. Dada la matriz A = 2
MM 1 3
PP
2 compruebe que: a) A = 1
N 2 2 Q
b) A . Cofact(A) = I3
3. Halle el determinante de las matrices siguientes, realizando el desa-

rrollo en cofactores por la primera fila y también por la segunda
columna.
LM 1 2 3 OP LM 1 4 8OP
a) M PP b) M PP
2 3 2 −2 1 5
MN 1 2 2 Q MN −3 2 4
Q
LM 1 2 3 OP
MM 1
4. Dada la matriz A = 1 1 1
PP
N 0 0 Q
a) Calcule el det(A).
Compare el det(A) con el determinante de la matriz B que resulta de:
b) Multiplicar la fila dos de A por k.
c) Intercambiar dos filas o columnas de la matriz A.
d) Multiplicar la fila uno de A por –4 y sumársela a la fila dos. Recuerde
Hallar el
determinante de
1 LM 2 −1 OP una matriz
cuadrada a lo
5. Sea A = 0
MM 1 −1
PP largo de una fila
3 N 4 −2 Q o columna se
denomina:
expansión por
a) Calcule el det(A).
cofactores
b) Haciendo transformaciones sobre filas, convierta la matriz A en
una matriz B triangular superior y compruebe que el determi-
nante de esta nueva matriz es igual al det(A).
1 2 −3 4
3 4 −7 6
6. Evalúe: 5 6 −7 5
−8 −9 1 2
LM a b OP por:
7. Evaluar det
Nc d Q
a) Expansión a lo largo de la primera fila.
b) Expansión a lo largo de la segunda fila.
c) Expansión a lo largo de la primera columna.
d) Expansión a lo largo de la segunda columna
182 ALGEBRA LINEAL
1 −2 3
8. Calcule 0 1 2 por expansión a lo largo de la tercera columna.
1 4 −1
9. Compruebe el resultado anterior haciendo la expansión a lo largo de la segunda fila.
0 x −1 1
10.Exprese x 1 1 como un polinomio en x.
0 x +1 2
LM 0 −1 −1 −1 OP
M
11. Calcule el det M 0
2 0
−1
4 1
PP
MN 1 PQ
3 1
0 3 0
12.Encuentre el determinante de cada una de las siguientes matrices por inspección:
LM 2 OP LM 1 2 3 OP
8 LM 3 0 0 OP
0
b) M0 PP c) M 5 PP
0 0 0 0 7 1 4 6 0 0
MM 6
a) 4 5 0
PP MM 0 2 1
PQ MM 7 2 0
PQ
N 8 6 Q N0 0 0 5 N1 3 2 5
3.3 PROPIEDADES DE LOS DETERMINANTES

1. Si cada uno de los elementos de una fila o columna de un determinante es
igual a cero, el valor determinante es cero.
Ejemplo 1. Para matrices 3 x 3 la propiedad anterior se puede ilustrar como:

a b c
0 0 0 = 0
g h i
1 3 1
Ejemplo 2. Evalúe: A = 0 0 0
5 2 1
Solución. Realizando el desarrollo en cofactores por la segunda fila, tenemos que A = 0
0 3 2
Ejemplo 3. Evalúe: 0 1 4
0 1 8
Solución. Realizando el desarrollo en cofactores por la primera columna, tenemos
queB = 0
2. El determinante de una matriz cuadrada es igual al determinante de su

traspuesta A = At

a b c a d g
d e f = b e h
g h i c f i
Ejemplo 5. A = 4 6
= 8 − 54 = − 46
9 2
4 9
At = = 8 − 54 = − 46
6 2
3. Si una fila (o columna) de una matriz A es múltiplo escalar de otra fila o

columna, entonces det(A) = 0

a b c
ka kb kc = 0
d e f
184 ALGEBRA LINEAL
LM 2 4OP
Ejemplo 7. Sea A =
N20 Q
40 , evalúe det(A).
Observe que la segunda fila de A se puede obtener multiplicando la primera fila por 10.
Solución.
2 4
A = = 80 − 80 = 0
20 40
4. Si B es la matriz que resulta de intercambiar dos filas (o dos columnas) de A,

entonces det(B) = –det(A)

a b c g h i
d e f =− d e f
g h i a b c
3 4 LM OP
1 2 LM OP
N Q N Q
Ejemplo 9. Sean A = 1 2 y B = 3 4 , evalúe det(A) y det(B).
Observe que B se obtiene intercambiando en A la fila 1 por la fila 2.

Solución. 3 4
A = =6−4=2
1 2
1 2
B = = 4 − 6 = −2
3 4
LM1 0 0 OP 1 LM 0 0 OP
Ejemplo 10. Sean: A = M1 2
PP
3 y B= 7
MM 8
PP
9 . Hallar det(A) y det(B).
MN7 8 9 Q1 N 2 3 Q
Observe que B se obtiene intercambiando en A la fila 2 por la fila 3.
Solución. det(A) = 18 – 24 = –6. det(B) = 24 – 18 = 6 = –det(A)
5. Si B es la matriz que resulta de multiplicar una fila (o una columna) de A por

un escalar k, entonces det(B) = kdet(A)

a b c a b c
kd ke kf = k d e f
g h i h j l
1 2 LM OP
N Q
Ejemplo 12. Sean A = 4 6 , y B la matriz que se obtiene de A, multiplicando por
LM 1 2 OP LM
1 2 OP
k =3, la segunda fila; luego B =
N3(4) 3(6)
=
Q N Q
12 18 , calcule det(A) y det(B)
Solución.
1 2
A = = 6 − 8 = −2; es su determinante.
4 6
1 2 1 2
B = = = 18 − 24 = − 6 = 3(−2) = 3 A ;
3(4) 3(6) 12 18
por tanto el determinante de A queda multiplicado por 3.
Ejemplo 13. Sean: A =

LM 2 −3 OP
y B=
2k LM −3 k OP
. Halle det(B)
N5 −1 Q 5 N −1 Q
Solución. det(A) = 13, y det(B) = –2k + 15k = 13k = kdet(A)
6. Si B es la matriz que resulta de multiplicar una fila (o columna) de A por un

escalar y sumársela a otra fila (o columna, respectivamente), entonces
det(B) = det(A)

a b c a b c
ka + d kb + e kc + f = d e f
g h i g h i
186 ALGEBRA LINEAL
LM−3 2 4 OP
Ejemplo 15. Sea A = M 1 PQ
−1 2 ; cuyo determinante es A= 32, si se multiplica
N−1 4 0
la tercera fila por 5, y se suma a la segunda fila, se obtiene una nueva matriz B, que está
dada por:
LM −3 2 4 OP
−3 LM 2 4OP
B = M 5 (− 1) + 1 5 (4 ) − 1 PP
5 (0 ) + 2 = − 4 MM 19 PP
2 , y B = 32 = A
MN −1 4 0 −1Q N 4 0 Q
7. Sean A y B matrices de orden n x n, entonces AB = AB
Ejemplo 16. Sea A = LM 4 6OP y B = LM 1 2 OP, entonces:

N1 2 Q N3 4Q
A⋅B = M
L4 6O
P L 1 2 OP = LM 22 32 OP, por lo tanto:
⋅ M
N1 2Q N 3 4 Q N 7 10 Q
22 32
A⋅B = = 220 − 224 = − 4
7 10
Ahora calculamos el producto de estos dos determinantes:

4 6 1 2
A ⋅ B = ⋅ = (8 − 6)(4 − 6) = (2)( −2) = −4
1 2 3 4
Ejemplo 17. Utilizando las propiedades de los determinantes, hallar el valor del de-
terminante:
−7 3 4 −5
−3 1 2 −3
2 −2 4 5
−4 3 5 8
Solución. Aplicando la propiedad 6 transformamos la matriz inicial en otra con de-

terminante igual; tomamos el elemento a22 = 1 como pivote y convertimos los demás
elementos de la segunda columna en ceros.
−7 3 4 −5 F1 → −3F2 + F1 2 0 −2 4
−3 1 2 −3 −3 1 2 −3
=
2 −2 4 5 F3 → 2 F2 + F3 −4 0 8 −1
−4 3 5 8 F3 → −3F2 + F3 5 0 −1 17
Desarrollando el determinante en cofactores por la segunda columna
2 −2 4
= + 1 −4 8 −1
5 −1 17
Todos los elementos de la primera fila son múltiplos de 2, luego por la propiedad 5
tenemos:
1 −1 2
= 2 −4 8 −1
5 −1 17
Aplicando la propiedad 6 ; tomamos el elemento a11 = 1 como pivote y convertimos

los demás elementos de la primera columna en ceros.
1 −1 2 1 −1 2
= 2 −4 8 −1 F2 → 4 F1 + F2 = 2 0 4 7 =0
5 −1 17 F3 → −5F1 + F3 0 4 7
Por tener dos filas iguales (propiedad 3).
Ejemplo 18. Calcule el determinante:

2 3 −2 4 8 −1 0 8
3 −2 1 2 3 −2 1 2
=
3 2 3 4 −6 8 0 −2
−2 4 0 5 −2 4 0 5
8 −1 8 0 −1 0
= − 1 −6 8 −2 = − 1 58 8 62
−2 4 5 30 4 37
58 62
= − ( −1) = 286
30 37
188 ALGEBRA LINEAL
Ejemplo 19. Aplicando propiedades de determinantes compruebe que:

1 1 1
x y z = ( y − x )( z − x )( z − y )
x2 y2 z2
Solución. Por la propiedad 2, A = At, luego:
1 1 1 1 x x2
x y z = 1 y y2
x2 y2 z2 1 z z2
Tomamos el elemento a11 = 1 como pivote, y convertimos los demás elementos de la

primera columna en ceros.
1 x x2 1 x x2
1 y y2 F2 → − F1 + F2 = 0 y−x y2 − x2
1 z z2 F3 → − F1 + F3 0 z−x z2 − x2
Desarrollando el determinante en cofactores por la primera columna y factorizando

algunas expresiones, tenemos:
( y − x) (y + x) ⋅ (y − x) 1 (y + x)
= (y − x)(z − x)
(z − x) (z + x) ⋅ (z − x) 1 (z + x)
= (y − x) (z − x) (z + x) − (y + x) = (y − x) (z − x) (z − y)
Ejemplo 20. Si A y B, son matrices cuadradas de orden n y det(A) = 2 y det(B) = 3,

determinar det(AB–1) y det(AB)–1.
Solución.
det(A) 2
det(AB−1) = det(A) det(B−1) = =
det(B) 3
det(AB)−1 = 1 = 1 = 1
det(AB) det(A)det(B) 6
EJERCICIO 3.3
1. Verifique que det(AB) = det(A) • det(B), cuando:
LM2 1 0 OP LM 1 −1 3OP
A = M3 4 0
PP B = M7 1 2
PP
MN0 0 2 Q
y
MN 5 0 1 Q
2. Utilizando propiedades, evalúe los determinantes
1 2 −3 4 2 3 −1 5
3 4 −7 6 3 2 1 −6
a) 5 6 −7 5 b) −5 −7 2 −8
−8 −9 1 2 4 1 −4 2
3. Aplicando las propiedades de los determinantes compruebe que:

a b c y b t z x y
x y z = x a s = u s t
s t u z c u c a b
4. Compruebe que:
1 1 1
x y z = ( y − z) ( z − x) ( x − y ) ( x + y + z)
x3 y3 z3
LMa b cOP
5. Suponga que det(A) = 5 si: A = Md e
PP
f Encuentre:
MN g h i Q
LMa g d OP
d. det Mb h e
PP
a. det (3A) b. det (2A–1) c. det [(2A)–1]
MNc i f Q
6. Calcule: 1 a b+c
1 b c+a
1 c a+b
190 ALGEBRA LINEAL
7. Calcule: a1 + b1 a2 + b2 a3 + b3
b1 + c1 b2 + c2 b3 + c3
c1 + a1 c2 + a2 c3 + a3
8. Evalúe el siguiente determinante:
1+ a 1 1 1
1 1− a 1 1
1 1 1+b 1
1 1 1 1− b
3.4 MATRIZ ADJUNTA Y MATRIZ INVERSA.
Matriz adjunta.
La traspuesta de la matriz de cofactores se denomina adjunta de A, y se nota
Adj(A).
Ejemplo 1. Hallar la matriz adjunta de:

LM1 2 OP
3
A = M1 3 4
PP
MN1 4 3 Q
Solución.
LM OP
MM 43 4
3
−
1
1
4
3
1
1
3
4
PP
MM PP LM −7 1 1 OP
Cofact(A) = M − PP MM −61 PP
2 3 1 3 1 2
− = −2
MM 4
0
3 1 3 1 4
PP N −1 1 Q
MM 2 3
−
1 3 1 2
PP
MN 3 4 1 4 1 3
Q
LM −7 6 −1 OP
adj(A) = (Cofact(A)) t
adj(A) = M 1 0 −1 PP
MN 1 −2 1 Q
Propiedad de la matriz adjunta.

Sea A una matriz de orden n x n entonces
A . Adj A = A . In
LM1 2 3OP
Ejemplo 2. Sea A = M1 3 PP
4 , A =− 2
MN1 4 3 Q Recuerde
Una matriz
cuadrada es
en el ejemplo anterior encontramos que invertible si
LM −7 6 −1 OP existe una matriz
A–1 tal que
Adj(A) = M 1 0 PP
−1 . Verifique que A . Adj A = A . In AA–1 = A –1 A = I,
MN 1 −2 1 Q donde I es la
matriz idéntica
del mismo orden
Solución.
LM1 2 OP LM −7 6 −1OP
3 LM −2 0 0 OP
A. Adj(A) = M1 3 4PP MM 11 −20 −11PP = MM 00 −2 0 PP
MN1 4 3 QN Q N 0 −2 Q
LM 1 0 0OP
= − 2 M 0 1 0P = A . I
MN 0 0 1PQ
3
Cálculo de la matriz inversa utilizando la adjunta.

Sea A una matriz de orden n x n, A es invertible o no singular, si
y solo si A ≠ 0. En este caso A−1 = 1 Adj(A)

A
LM1 2 3OP
Ejemplo 3. Hallar inversa (si existe) de A = M1 3 4
PP
MN1 4 3 Q
LM−7 6 −1OP
Solución. Adj(A ) = M 1 0 −1P ; A = − 2
MN 1 −2 1PQ
192 ALGEBRA LINEAL
LM 7 −3 1 OP
1 Adj(A) = MM − 1 PP
2 2
A −1 = 1
A MM 21 0
2 PP
MN − 2 1 −1
2 PQ
Matriz Insumo Producto de Leontief.
Wassily Leontief, economista de origen ruso (San Petersburgo, 1906), fue el pri-
mero que desarrolló un estudio sobre la matriz Insumo-Producto, que muestra la
asociación existente de oferta y demanda en un sector económico, durante un
determinado período, y que sirve para regular y estimar las modificaciones de
cada sector, con el fin de buscar un equilibrio económico. Se aplica a sectores
agrícolas, mineros, siderúrgicos, etc.
El modelo de insumo-producto ilustra la forma en que tiene que modificarse todo
el flujo de transacciones interindustriales, y por lo tanto, también los niveles secto-
riales de producción bruta, para poder hacer frente a un cambio dado del nivel o
de la composición de la demanda final, y así mismo proporcionar los instrumentos
de cálculo que permiten cuantificar esas modificaciones. En este aspecto el mo-
delo tiene necesariamente que ajustarse a ciertos supuestos básicos.
Ejemplo 1. Cierta economía consiste en 2 sectores, la agricultura y la industria. la

agricultura produjo 30 millones de toneladas de producto agrícola. De éstos, 2 millones
de toneladas se utilizaron en la agricultura como materia prima y 5 millones se utilizaron
en la industria como materia prima. La industria produjo 100 millones de unidades de
producto. De estos, 5 millones se utilizaron como materia prima en la agricultura y 2
millones como materia prima en la industria. No ocurrieron cambios en los niveles de
inventarios durante el año 2000. Construya un modelo de insumo productos de esta
economía para el año 2000 y determine los coeficientes técnicos de la economía.
Ahora vamos a elaborar la tabla:
Tabla de insumo producto

Producción utilizada por:
Agricultura Industria Demanda final

Agricultura 2 5 35
Industria 5 2 95
Es importante establecer la cantidad invertida en cada uno de los insumos. Por ejemplo:
tenemos una producción total de 30 unidades, la industria agrícola adquiere 2 unidades,
2
por lo tanto cada unidad monetaria de producción en el sector agrícola sera 30
= 0,66.
5 2
Análogamente con los otros sectores, 100
= 0,05; 100
= 0,02. Combinando las demás
proporciones obtenemos la matriz de coeficientes insumo-producto.
Industria 5 2 95
30
La matriz A de coeficientes técnicos, que recibirá el nombre de matriz de tecnología, es:
LM 2 5 OP
A = M 30 100
PP
MN 305 2
100 Q
Matriz llamada coeficientes de Insumo-Producto.
Como la demanda final es 35 para el sector agrícola y 95 para el sector industria.
Suponga que:
YA : Valor total de la producción agrícola.
YI : Valor total de la producción industrial.
Tenemos que:
LMValor total deOP = LMValor consumido por OP + LMValor consumido por OP
Nla producciónQ N el sector agrícola Q N el sector industrial Q
+M
LValor demandaOP
N final Q
YA = 2 YA + 5 YI + 35
30 100
Análogamente planteamos la segunda ecuación:
YI = 5 YA + 2 YI + 95
30 100
Ahora si escribimos el sistema en notación matricial:
LMY OP = LM 302 5 OP LY O L35O

NY Q MMN 305
100
PPQ MNY PQ + MN95PQ
A A
(1)
I 2 I
100
194 ALGEBRA LINEAL
Ahora sean:
LY O LM 2 5 OP LM35OP
X= M P A = M 30
NY Q
A
MN 305
100
PP C=
N95Q
Q
I 2
100
B B B
Matriz de producción Matriz de coeficientes Matriz de demanda final
Insumo Producto
De esta manera podemos escribir en forma más general la ecuación (1)
X = AX + C
X − AX = C
Como, XI = X, donde I es la matriz idéntica de orden 2 x 2

IX − AX = C
( I − A) X = C
Si existe ( I − A) −1, entonces:
X = ( I − A) −1 C
a la matriz I − A , se llama Matriz de Leontief
LM 1 0OP − LM 302 5 OP LM 28 − 5 OP
Ahora: I − A =
N0 1Q MN 305 PQ = MN − 30305 PQ
100 100
2 98
100 100
L OP
Ahora: ( I − A) = M
2490 150
−1 −1
MN PQ; además multiplicamos X = ( I − A)
2719 2719 C
500 2800
2719 27190
L OP L 35O L O L 37,29 O
X= M
PQ MN 95PQ = MMN PPQ = MN104,26 PQ
2490 150 101.400
MN
2719 2719 2.719
500 2800 283.500
2719 27190 2.719
Se concluye que el sector agrícola debe producir 37,29 unidades, y el sector industrial
104,26 unidades.
Ejemplo 2. El cuadro siguiente contiene los datos de Insumo producto de una eco-
nomía. Se supone que la producción agrícola se mide en millones de toneladas y la
producción de la industria en millones de unidades.
Insumo producto
Tabla 1
Producción Producción utilizada por : Demanda
Industria total Agricultura Industria Neta
Agricultura 25 5 6 14
Industria 60 10 18 32
Producción total 25 60
a) Encuentre los coeficientes técnicos.

b) La matriz ( I – A ) y su inversa ( I – A )–1.
c) La producción total de cada industria en un período, los montos utilizados por cada
sector para producir el producto requerido.
Solución.
a) De acuerdo con la tabla de insumo producto los coeficientes técnicos se calculan así:
Tabla 2
Agricultura Industria
5 = 0.20 6 = 010
.
Agricultura 25 60
Industria 10 = 0.40 18 = 0.30

25 60
LM0,20 0,10 OP
Luego la matriz de los coeficientes técnicos es: A =
N0,40 0,30 Q
Nótese que, por ejemplo, a12 = 0,10; lo cual significa que se necesitan 0,10 millones de
toneladas de producción agrícola para producir cada millón de unidades del producto
industrial, es decir que 0,10 toneladas de producción agrícola se necesitan para producir
cada unidad del producto industrial. De manera similar a22 = 0.30; significa que se necesi-
tan 0,3 unidades de producto industrial para producir cada unidad de producto industrial.
LM1 OP LM
0
−
0,20 OP
0,10
La matriz, I – A es:
N0 Q N
1 0,40 Q
0,30
LM1 − 0,20 −0,10O L 0,80 −0,10O

1 − 0,30PQ MN−0,40 0,70PQ
I − A= =
N −0,40 (1)
196 ALGEBRA LINEAL
Ahora se obtiene la inversa de I – A, mediante Gauss-Jordan (Operaciones elementa-

les), representando la matriz [I – A | I], de la siguiente manera:
LM 0,80 −0,10 1 0 OP F1 → 1 F
N−0,40 Q 0.80 1
(2)
0,70 0 1 F2 → 0.40 F1 + F2
LM1 −0,125 1,25 0 OP F1 → 0.125F2 + F1
N0 Q
(3)
0,65 0,50 1 F2 → 1 F2
0.65
(4) M
L1 0 1,3462 11923
, OP
N0 1 0,7692 1,5385 Q
Las cifras de la dos últimas columnas son aproximadas.Veamos que (I – A)–1, es
efectivamente la inversa de I – A, y la designamos por M.
M = (I − A)−1 =
LM1,3462 0,1923
⋅ Sea D =
OP
14 LM OP
, la matriz de demanda neta,
N 0,7692 1,5385 Q
32 N Q
donde el producto de la matriz M por la matriz D, es la producción total, y la calcula-
mos de la siguiente manera:
M ⋅D =
LM1,3462 0,1923 OP LM OP LM
⋅
14
=
25,0004 OP
N0,7692 1,5385 Q N Q N
32 60,0008 Q
Concluimos que se deben producir 25,0004 millones de toneladas de producción agrí-
cola, y 60,0008 millones de unidades de Producto Industrial.
Ahora supongamos que se determina cuánto debe ser la producción total de cada
industria en un período, cuando la demanda neta de producción agrícola es de 40
millones de toneladas, y la del sector industrial debe ser de 65 millones de unidades.
Para hacer los cálculos utilizamos X = MD, donde D es la nueva matriz que contiene
los valores actuales de las demandas netas, así que:
X=
LM x1 OP = LM1,3462 0,1923 OP LM OP LM
⋅
40
=
66,3475 OP
N x2 Q N 0,7692 1,5385 Q N Q N
65 130,7705 Q
La
Sea A = M 11
a12 O
P = M
L 0,20 0,10OP
N a21 a22 Q N 0,40 0,30Q
De modo que deberán producirse 66,3475 millones de toneladas de producto agrícola

y 130,7705 millones de unidades de producto industrial.
Ahora se pueden calcular los montos de producción utilizados por cada sector para
producir el producto requerido. Para esto hallamos a11x1, a12x2, a21x1 y a22x2, donde
a11 = 0,2 y x1 = 66,3475, luego:
1. El monto del producto agrícola utilizado por la agricultura es:
a11x1 = (0,2)(66,3475) = 13,2695 millones de toneladas.
Ahora, a12 = 0,1 y x2 = 130,7705, luego:

2. El monto del producto agrícola utilizado por la industria es:
a12x2 = (0,1)(130,7705) = 13,0770 millones de toneladas.
La diferencia entre la producción total del sector agrícola y la utilizada por las dos
industrias deberá ser igual a la demanda neta de 40 millones de toneladas, es decir:
66,3475 – 13,2695 – 13,0770 = 40,0010
Ahora, a21 = 0,4 y x1 = 66,3475, luego:

3. El monto de producción industrial utilizado por la agricultura es:
a21x1 = (0,4)(66,3475) = 26,5390 millones de unidades.
Ahora, a22 = 0,3 y x2 = 130,7705, luego:

4. El monto de producción industrial utilizado por la industria es:
a22x2 = (0,3)(130,7705) = 39,2311 millones de unidades.
Nótese que 130,7705 – 26,5390 – 39,2311 = 65,004 es la demanda neta.
EJERCICIO 3.4
1. Halle la matriz adjunta de las siguientes matrices:
LM −1 −2 OP LM 2 0 0 OP
−4
b) M PP
4 2 6 0 −16
MM 1
a) −2 −5 4
PP MM 1 0 3 −5
PQ
N −2 1 Q N−2 0 0 10
198 ALGEBRA LINEAL
3 LM −1 OP
2. Si A = 2
N Q
4 es una matriz cuadrada de orden 2 x 2, compruebe que:
Adj(Adj(A)) = A
3. Demuestre que la matriz adjunta de A es 3At, y que la correspondiente de B es la

propia matriz.
LM −1 −2 −2 OP LM −4 −3 −3 OP
A= MM 22 1 −2 PP y B= MM 41 0 1 PP
N −2 1 Q N 4 3 Q
4. Utilizando la matriz adjunta, halle la matriz Inversa de:
L1 2 −1 OP L2 OP L1 OP LM 1 2 0 OP
0
a) M −1 b) M4 c) M2 d) M PP
3 4 2 3 0 3 0 0
MN 2 1 2
−1 1 PQ MN1 3 1
2 4 PQ MN3 4 5
5 6 PQ MN00 0
0
2
0
1
3 Q
5. En la matriz A, halle:
b. A−1 =
1 ⋅ Adj(A)
a. La Adj (A)
det(A)
LM 1 6 −3 OP
MM 3
A = −2 7 1
PP
N −1 5 Q
6. Dada la matriz de Insumo Producto que aparece enseguida:
Industria I Industria II Demanda final Total

Industria I 12 25 23 60
Industria II 18 10 47 75
30 40
Total 60 75
a. Encuentre los coeficientes técnicos (Matriz A).

b. Halle la matriz, I – A y su inversa (I – A)–1.
c. Encuentre la producción total, si la demanda final, cambia de 23 a 25 para la
industria A, y de 47 a 60 para la industria B.
7. Dada la matriz de Insumo Producto que aparece enseguida:

Industria I Industria II Demanda final
Industria I 40 120 40
Industria II 120 90 90
Otros 40 90
Determine la matriz de producción final si la demanda final cambia de: Producción

a. 200 para I y 300 para II Es la transforma-
ción de los
b. 64 para I y 64 para II recursos de la
organización en
8. Dos sectores de una economía hipotética está dados por la siguien- productos.
te tabla:
Agricultura Bienes Mano de

manufacturados obra
Agricultura 240 300 60
Bienes 270 90 90
manufacturados
Demanda final 90 60
Producción total 600 450
a. Encuentre la matriz insumo producto A

b. Suponga que los productos agrícolas disminuyen a 63 unidades, y se
incrementa a 105 unidades para bienes manufacturados. Halle la
nueva matriz de producción.
9. Una economía hipotética simple, de tres industrias, A, B, y C; está

representada en la siguiente tabla:
Productos A B C
A 80 80 80
B 100 200 100
C 100 60 100
Demanda neta 40 60 20
Producto total 320 400 300
200 ALGEBRA LINEAL
Determine la matriz final para la economía, si la demanda neta cambia:

a. 120 para A, 40 para B y 10 para C
b. 60 para A, 60 para B y 60 para C
10.(Modelo Insumo producto). La tabla siguiente muestra la interacción entre el sec-

tor de los zapatos y chaquetas de cuero.
Industria Industria Demandas Producción

de calzado de chaquetas finales total
Industria I 40 112 48 200
Industria II 100 16 44 160
Insumos primarios 60 32
Si en cinco años las demandas finales cambian a 148 en el caso de la industria del
calzado y a 74 en el caso de la industria de las chaquetas, ¿Cuánto deberá producir
cada industria a fin de satisfacer esta demanda proyectada?
11. En una industria de insumos de lavandería para lavado en seco se clasifican dos
sectores de producción limpiadores y desmanchadores. En la tabla siguiente se muestra
la interacción entre los dos sectores.
Limpiadores Desmanchadores Demandas Producción
finales total
Limpiadores 480 540 180 1200
Des/chadores 600 180 120 900
Mano de obra 120 180
Supongamos que en 5 años la demanda de limpiadores decrece a 126 unidades y se

incrementa a 210 unidades para desmanchadores. Determine el nuevo vector de
producción que satisfaga estas nuevas demandas.
3.5 REGLA DE CRAMER

Este método nos sirve para resolver sistemas de ecuaciones lineales de orden n x n
donde la matriz de coeficientes es invertible.
a11x1 + a12x2 + ... + a1nxn = b1

a21x1 + a22x2 + ... + a2nxn = b2
. . .
. . .
. . .
. . .
an1x1 + an2x2 + ... + annxn = bn
donde:
LMa 11 a12 a13 L a1n OP
MMa⋅ 21 a22
⋅
a23
⋅
L
⋅
a2 n
⋅
PP
A=M PP
MM ⋅⋅ ⋅
⋅
⋅
⋅.
⋅
⋅
⋅
⋅ PP
MNan1 an 2 an 3 L ann Q
Es la matriz de coeficiente del sistema.
LMb OP1
B = MM P
b 2
y
MNb PQn
Matriz columna de terminos independientes.
Regla de Cramer para sistemas lineales 2 x 2

En el caso de un sistema de 2 ecuaciones lineales con 2 variables tenemos :
a11x1 + a12x2 = b1
a21x2 + a22x2 = b2
a11 a12
Si A = ≠0
a21 a22
entonces: b1 a12
b2 a22 b1 a22 − b2 a12
x1 = =
A a11 a22 − a21 a12
a11 b1
a21 b2 a11 b2 − a21 b1
x2 = =
A a11 a22 − a21a12
202 ALGEBRA LINEAL
Ejemplo 1. Resuelva el sistema: x1 + x 2 = 2

5x1 + 6x2 = 9
Solución.
A=
LM 1 1 OP
; B= 2
LM OP
N5 6 Q 9 NQ
1 1
A = = 1
5 6
2 1 1 2
9 6 5 9
Ahora: x1 = = 3 = 3 x2 = = −1
A 1 A
Regla de Cramer para sistemas lineales 3 x 3

En el caso de un sistema de 3 ecuaciones lineales con 3 variables tenemos :
a11x1 + a12x2 + ... + a13x3 = b1
a21x1 + a22x2 + ... + a23x3 = b2
a31x1 + a32x2 + ... + a33x3 = b3
a11 a12 a13

Si A = a21 a22 a23 ≠ 0
a31 a32 a33
entonces:
LM b 1 a12 a13 OP a11 b1 a13
MM bb
2 a22 a23 PP a21 b2 a23
= N Q,
3 a32 a33 a31 b3 a33
x1 x2 = ,
A A
a11 a12 b1
a21 a22 b2
a31 a32 b3
x2 =
A
Ejemplo 2. Resolver el siguiente sistema por la regla de Cramer:

–x1 + x2 + x3 = 7
x1 – x2 + x3 = 3
x1 + x2 – x3 = 1
Calcular el determinante de coeficientes de A por el método de

Sarrus
−1 1 1 Recuerde
A= 1 −1 1 = 4 ; A ≠ 0. La regla de
Cramer es un
1 1 −1 método matemá-
tico para resolver
sistemas de
7 1 1 −1 7 1 ecuaciones
3 −1 1 1 3 1 lineales de
orden n x n.
1 1 −1 1 1 −1
x1 = = 8 =2 x2 = = 16 = 4
A 4 A 4
−1 1 7
1 −1 3
1 1 1
x3 = = 20 = 5
A 4
Ejemplo 3. Punto de equilibrio en el mercado.

Las ecuaciones de oferta y demanda de una librería son:
6p + 10q = 400 y 14p – 6q = 112, respectivamente, donde p es el precio
y q número de libros. Determinar los valores de p y q para hallar el
punto de equilibrio en el mercado.
Solución. Resolvemos el problema con la Regla de Cramer. Las Punto de
equilibrio ocurre
ecuaciones son: 14p – 6q = 112
cuando la
6p + 10q = 400 cantidad
demandada de un
En primer lugar calculamos el determinante: artículo es igual a
la cantidad
14 −6 ofrecida en el
|A|= = 140 + 36 = 176 mercado.
6 10
por lo tanto:
112 −6
400 10 1120 + 2.400 = 20
p= = .
14 −6 176
6 10
204 ALGEBRA LINEAL
14 112
6 400
q= = 5.600 − 672 = 4.928 = 20; q = 28
14 −6 176 176
6 10
Conclusión. Para alcanzar el punto de equilibrio se necesita vender 28 libros a un
precio de US$ 20 al consumidor.
Ejemplo 4. (Impuestos). Un estudiante está interesado en comprar dos tipos dife-

rentes de cuadernos. Encuentre que antes de aplicar el 15% de impuesto sobre las
ventas, la diferencia en precio de los cuadernos es de US$ 10. El precio de los cuader-
nos después del impuesto sobre las ventas es de US$ 103.5 . Hallar el precio de cada
cuaderno antes de impuestos.
Solución. Sea: p1 = Precio del cuaderno tipo I
p2 = Precio del cuaderno tipo II
La diferencia en precio antes del impuesto sobre las ventas es p1 – p2 = 10, además
el impuesto sobre las ventas es del 15%, los nuevos precios al consumidor serán 1.15p1
y 1.15p2 y el precio de los cuadernos es equivalente a:
1.15p1 + 1.15p2 = 103.5
de esta manera las ecuaciones planteadas del problema son:

p1 – p2 = 10
1.15p1 + 1.15p2 = 103.5
Solucionamos el problema por la Regla de Cramer.

1 −1
A = = 1.15 − (−1.15) = 2.3
1.15 +1.15
Por lo tanto el precio de p1 será:
10 −1
1035
. 115
. . ) + 1035
10(115 .
p1 = = = 115 = 50; Así: p1 = 50
2.3 2.3 2.3
1 10
115
. 1035. . − 115
p2 = = 1035 . = 92 = 40; Así: p = 40
2
2.3 2.3 2.3
Luego los precios de los cuadernos antes del impuesto de ventas del 15%, es de 50 y
40 dólares.
Ejemplo 5. Una compañía textilera produce tres clases de telas: paño, seda y poliester
las cuales son procesadas en tres máquinas: industriales, semi-industriales y corrientes;
el tiempo (en horas) requerido para producir cada tela en las máquinas está dado en la
siguiente tabla:
Paño Seda Poliester
Máquinas industriales LM 2 3 1 OP
Máquinas semi − industriales
MM 4 2 2
PP
Máquinas corrientes N 1 2 3 Q
Se disponen de 1.150, 1.500, 1.659 horas en las máquinas industriales, semi-industria-
les y corrientes, respectivamente.
Cuántas piezas de paño, seda y poliester se necesita producir para emplear todo el
tiempo disponible en las máquinas
Solución. Sea x : Número de piezas de paño
y : Número de piezas de seda
z : Número de piezas de poliester
además 2x, 3y y z son el tiempo total en las máquinas industriales, para producir,
paños, seda y poliester, respectivamente, cómo se disponen exactamente de 1150 horas
la ecuación nos queda: 2x + 3y + z = 1.150
Análogamente con el tiempo de las máquinas semi-industriales y corrientes las
ecuaciones serán: 4x + 2y + 2z = 1.500 y x + 2y + 3z = 1.650
Luego el sistema de ecuaciones nos queda:
2x + 3y + z = 1.150
4x + 2y + 2z = 1.500
x + 2y + 3z = 1.650
Con la Regla de Cramer, calculamos el determinante empleando el Método de Sarrus.
2 3 1
4 2 2
A = 1 2 3 = (12 + 8 + 6) − (2 + 8 + 36) = 26 − 46 = −20
2 3 1
4 2 2
206 ALGEBRA LINEAL
De esta manera tenemos:
1150 3 1
1500 2 2
1650 2 3
1150 3 1
1500 2 2 (6.900 + 3.000 + 9.900) − (3.300 + 4.600 + 13.500) −1.600
x= = = = 80
−20 −20 −20
2 1150 1
4 1500 2
1 1650 3
2 1150 1
4 1500 2 ( 9.000 + 6.600 + 2.300) − (1500
. + 6.600 + 13800
. ) −4.000
y= = = = 200
−20 −20 −20
2 3 1150
4 2 1500
1 2 1650
2 3 1150
4 2 1500 ( 6.600 + 9.200 + 4.500) − (2.300 + 6.000 + 19.800) −7.800
z= = = = 390
−20 −20 −20
Conclusión. Se tienen que producir 80, 200 y 390 piezas de paño, seda y poliester
respectivamente, para disponer de todo el tiempo en las 3 máquinas.
EJERCICIO 3.5
Resuelva aplicando la Regla de Cramer cada uno de los siguientes ejercicios:
1. 2 x + 3 y = 9 2. 2 x − 3 y = 9
4 x − 5 y = −4 3x + 4 y = 5
3. 2 x − 3 y = −6 4. 3x + y = 0
7x + 4 y = 8 2 x + 3y = 7
5. 2 x + 3 y − z = 5 6. 2 x + 3 y + z = 1
3x + 2 y − 2 z = 1 6 x − 2 y − z = − 14
x − 7 y + 3z = −4 3x + y − z = 1
7. 3x + y + z = 1 8. 5x + 3 y − z = 8
x + 2y − z = 1 10 x − y + z = 11
x + y +z =− 9 15x + 2 y − z = 7
1 x + 1 y + 1 z = 21 1x + 1 y − 1z = 3
9. 3 4 3 10. 2 2 3
1x + 1y − 1z = 0 1 x + 1 y − 1z =−5
5 6 3 3 6 2
1 x+ 1y− 1z = 3 1 x − 1 y − 1z =− 6
10 3 6 6 3 6
11. Una persona invierte una parte de su dinero al 25%, y el resto al 20%, recibiendo
intereses de $200.000. Si intercambia las inversiones, el ingreso por intereses se
incrementa en $5.000. ¿Cuánto invirtió en cada tasa?
12.Una empresa paga a sus representantes de ventas con base en un porcentaje de los
primeros US$ 100.000 en ventas, más otro porcentaje sobre cualquier cantidad que
sobrepase esos US$ 100.000. Si un representante recibió US$ 8.500 por ventas de
US $ 175.000 y otro recibió US$ 14.800 por ventas de US$ 280.000, encuentre los
dos porcentajes.
13.Una empresa produce tres tipos de muebles: Tipo A, Tipo B y Tipo C. Cada uno
requiere de madera, plástico y aluminio, como se indica en la tabla siguiente. La
empresa tiene en existencias 400 unidades de madera, 600 unidades de plástico y
1500 unidades de aluminio. La empresa quiere utilizar todas sus existencias. Para
hacer esto, ¿Cuántos muebles de cada Tipo debe fabricar?
Madera Plástico Aluminio

Tipo A 1 unidad 1 unidad 2 unidades
Tipo B 1 unidad 1unidad 3 unidades
Tipo C 1 unidad 2 unidades 5 unidades
14.Una empresa paga a sus trabajadores calificados US$ 15 por hora en su departamen-
to de ensamblado. Trabajadores semicalificados en ese departamento ganan US$ 9 por
hora. A los empleados de envíos se les paga a US$ 10 la hora. A causa de un
incremento en los pedidos, la empresa necesita contratar un total de 70 trabajadores
en los departamentos de ensamblado y envíos. Pagará un total de US$ 760 por hora
a estos empleados. A causa de un acuerdo con el sindicato, deben emplearse el doble
de trabajadores semicalificados que de trabajadores calificados, ¿Cuántos trabajado-
res semicalificados, calificados y empleados de envíos debe contratar la empresa?.
15.Una empresa fabrica licuadoras en sus plantas ubicadas en las ciudades A y B. En la
planta de la ciudad A, los costos fijos son de US$ 9.000 por mes, y el costo de
208 ALGEBRA LINEAL
producir cada licuadora es de US$ 50. En la planta situada en la ciudad B, los costos
fijos son de US$ 7.000 por mes, y producir cada licuadora cuesta US$ 60. Si hay que
producir 1.500 licuadoras. ¿Cuántas debe producir cada planta si el costo total en
cada una debe ser el mismo?
16.Una compañía fabrica artículos electrónicos, sus modelos son el A1 y el A2. Para
fabricar cada unidad de A1, se usan 6 amperímetros y 3 condensadores. Para fabri-
car cada unidad de A2, se emplean 10 amperímetros y 8 condensadores: La compa-
ñía recibe un total de 760 amperímetros y 500 condensadores diarios de sus provee-
dores. ¿Cuántas unidades de cada modelo puede producir diariamente?.
17.Una farmacia vende tres clases de pastillas de suplemento vitamínico. Cada tableta
contiene vitaminas B1, B2 y C. El contenido en miligramos de cada tipo de tableta
está indicado en la siguiente matriz.
Pastillas
I II III
LM
B1 20 10 10 OP
B2 15
MM 15 15
PP
C 50 N 150 100 Q
a. ¿Cuántos miligramos de vitamina B1, B2 y C, están contenidos en 15 tabletas del
primer tipo de pastilla, 10 tabletas del segundo tipo de pastilla y 20 tabletas del
tercer tipo de pastilla.
b. Explique como la respuesta de la parte (a), se puede obtener multiplicando la
matriz anterior por una matriz columna.
c. ¿Cuántas pastillas hay que tomar de cada una para recibir 600 mg. de vitamina B1,
600 mg. de vitamina B2 y 3.400 mg. de vitamina C?
Nota: multiplique la matriz, por una matriz de incógnitas , y use la regla de Cramer.
18.Aplicando la regla de Cramer, resuelva el siguiente problema:

Una empresa de calzado fabrica tres clases de zapatos de acuerdo al cuero con el
cual se diseñan: normal, nobú y becerro. Los zapatos pueden ser botas, botines y
zapatos de lujo. En la siguiente tabla las filas indican las clases de cuero y las colum-
nas las clases de zapatos.
Botas Botines Zapatos de L.
Normal 4 5 7
Becerro 6 1 2
Nobu 4 6 8
Si se tienen en este momento disponibles (en pares de zapatos) 175 unidades de

cuero normal, 70 unidades de cuero de becerro, 200 unidades de cuero nobú, ¿Cuántas
pares de zapatos de cada clase se pueden diseñar?
1. Evalúe los siguientes determinantes:
1 −2 7 1 0 3
1 2 −1 7
a) −1 3 b) −8 −3 c) 3 5 1 d) 4 0 −1
4 3 8 2 8 6
2. Evalúe por simple inspección los determinantes de las siguientes matrices.

LM
2 −40 17 OP 1 2 3 LM OP
a) A = 0
0 MN
1 11
0 3 PQ b) B = 3 7 6
1 2 3 MN PQ
3. Determine cuales de la siguientes matrices son invertibles.
1 0 0 LM OP LM
7 2 1 OP
a) A = 3 4 0
0 0 2 MN PQ MN
b) B = 7 2 1
3 6 6 PQ
4. Aplicando propiedades de los determinantes resuelva:
2 4 3 2 1 0 0 0
1 3 3
3 6 5 2 2 3 4 1
a) 1 4 3 b) c)
2 5 2 −3 2 6 2 1
1 4 4
4 5 14 14 1 4 2 3
1 LM 6 −3OP
5. Sea: A = −2 MM 7 1 PP
3 N −1 5 Q
a. Encuentre todos los menores
b. Encuentre todos los cofactores
210 ALGEBRA LINEAL
bc a2 a2
6. Multiplicando las columnas de A = b
2
ca b2 , respectivamente por a, b, c
c2 c2 ab
bc ab ca
y aplicando propiedades de los determinantes verifique A = ab ca bc
ca bc ab
7. Verifique utilizando propiedades de los determinantes:
a2 a 1 bcd a3 a2 a 1
b2 b 1 acd b3 b2 b 1
=
c2 c 1 abd c3 c2 c 1
d2 d 1 abc d3 d2 d 1
= (a − b)(a − c)(a − d)(b − c)(b − d)(c − d)
8. Calcule el determinante de las siguientes matrices.

LM x + y z z OP LM
b+c c+a a+b OP
a)
MM xy y+z x
PP MM
b) a − b b−c c−a
PP
N y x+z Q aN b c Q
L 2a a −b−c OP LMa a b a OP
c) Mb − c − a d) M PP
2a b b b a
MM 2c 2b 2b
PP MMb a a a
PQ
N c−a −b 2c Q Nb a b b
9. Verifique:
a+x a a
a a+y a = xyz (1 + a + a + a ). Con xyz ≠ 0.
x y z
a a a+z
10.Resuelva los siguientes sistemas de ecuaciones utilizando la regla de Cramer y expli-

que el resultado.
a) 2 x − 3 y + 4 z = −1 b) 2 x + 4 y − 2 w − 6z = 4
x +y + z= 3 3x − 6 y + 6w − 5z = 1
−3x + 5 y − 4 z = 2 − x + 6y − w + z = 7
2 x − 5 y + 4 w + 8z = 3
11. Si A, B y C son matrices cuadradas de orden 4 y det(A) = _3, det(B 1) = 2 y

_
1
det(Ct)= 6
, calcule:
a) det(2A) b) det(ABC) c) det(AB–1)
d) det(AB)–1 e) det(2AC–1) f) det(2AC)–1
g) det(2(AC)–1) h) det(A–1Ct)t i) 2det(A2B3C–2)
12.Dadas las matrices:
LM 1 3 OP
4 1 LM 7 3OP
A = M0 2 PP
7 ,B= 0 MM y PP
y , y det(A) = − 11; det(B) = −4, calcule :
MN 0 x 5 Q 0 N 4 y Q
a) Los valores de x y y.
b) det(A–1) c) det(A+B) d) det(A2)
e) det(A2+B) f) det(2A) g) det(AB)
h) det(AB–1) i) det(AB)–1 h) det(A–1Bt)t
LMa b c OP
13.Suponga que det(A) = 5; si A = Md e
PQ
f Encuentre:
Ng h i
LM d e f OP LM −a −b −c OP
a) det M g h i PP b) det M 2d 2e 2f PP
MN a b c Q MN −g −h −i Q
LM a + d b+e c+ f OP LM a b c OP
c) det M d e f PP d) det M d − 3a e − 3b f − 3c PP
MN g h i Q MN 2g 2h 2i Q
212 ALGEBRA LINEAL
14.Halle el determinante de la matriz A por medio de un desarrollo por cofactores a lo

largo de:
a. La primera columna
b. La segunda fila
LM
1 6 −3 OP
MN
A = −2 7 1
3 −1 5 PQ
15.Halle el det(A) por medio de cofactores.
LM 0 6 0 OP LM 1 1 1 OP LM k − 1 2 3 OP
a) A = M 8 6 8 PP b) A = M k k k PP c) A = M 2 k −3 4 PP
MN 3 2 2 Q MN k
2
k2 k2 Q MN 3 4 k−4 Q
CUESTIONARIO
Indique si cada una de las siguientes afirmaciones es verdadera o falsa.

1. Si det A es diferente de cero, la matriz cuadrada A es invertible. V ___ F___
2. Un determinante es un único número asociado a una matriz cualquiera.
V ____ F ____
3. Si cada uno de los elementos de una fila o columna de una matriz cuadrada, es
igual a cero, el valor de su determinante es cero. V ___ F ____
4. Dada la matriz A, entonces det(A) = det(AT). V ____ F ____
5. Si ninguna fila de una matriz A, de n x n, es múltiplo de otra fila de A, entonces,
det(A) ≠ 0. V____F____
6. Un sistema de ecuaciones lineales de n ecuaciones, y, n variables de la forma
AX = B, tiene, solución única, si det(A) = 0. V ___ F ____
1
7. Es: Si det(A) ≠ 0, A-1 = A Adj. A. V ____ F ____
8. Si dos filas o columnas de un determinante se intercambian, el signo del determi-

nante no varía. V ____ F ____
9. El determinante del producto de dos matrices, es igual al producto de los deter-

minantes de las matrices. V ____ F ____
10.Si dos filas o columnas de una matriz cuadrada son iguales, el determinante es
diferente de cero. V ____ F ____
11. El determinante de una matriz triangular superior, es igual al producto de sus
elementos diagonales. V ____ F ____
12.Si una matriz A, es cuadrada, entonces el det(A) = 0, si y sólo si A es singular.
V ____ F ____
1 .
13.Si A es invertible, entonces det(A–1) = V ____ F ____
det(A)
14.El determinante de una matriz idéntica es uno. V ____ F ____

15.Se puede calcular el determinante de una matriz de orden m x n.
V ___ F ____
16.Es cierto que det(_A) = _ det(A). V ___ F ____
17.La regla de Cramer se puede aplicar para sistemas donde existan más variables
que ecuaciones. V ___ F ____
18.La regla de Sarrus, es aplicable para las matrices cuadradas de orden mayor que
3 x 3. V ___ F ____
19.Si la matriz B se obtiene de A, al multiplicar un renglón (columna) de A, por un
escalar k, entonces, det(A) = k • det(A). V ____ F ____
20.Si det(A) = 0, entonces |Adj (A)| = 0. V ____ F ____
214 ALGEBRA LINEAL
3.6 TALLER DE INFORMÁTICA CON USO DE «DERIVE»

Cálculo de un determinante
LM−2 5 7 6 OP
Ejemplo 1. Evalúe el determinante de la matriz A = M PP
9 −4 2 7
MN 85 3 2 −4
10 −20 8 Q
Solución. Utilizamos la función de DERIVE: DET(A), la cual posee un argumento:
A: es una matriz cuadrada.
3. Para calcular el determinante de la matriz A. Escribimos en la línea de edición
5. Para obtener el determinante se hace clic sobre el boton rotulado = en el menú
principal.
Menor i, j de una matriz Mij .

Ejemplo 2. Determine el Menor 1,1, (M11)de la matriz A del ejemplo anterior.
Solución. Utilizamos la función de DERIVE: MINOR(A, i, j,), la cual posee tres
argumentos:
A : es la matriz cuadrada.
i : fila i.
j : columna j
1. Después de definir la matriz A escribimos en la línea de edición:
3. Para obtener el Menor 1,1 de la matriz A se hace clic sobre el boton rotulado = en
el menú principal.
Cofactor i, j de una matriz. Cij

Ejemplo 3. Determine el Cofactor 1,1 (C11) de la matriz A del ejemplo 1.
Solución. Utilizamos la función de DERIVE: COFACTOR(A,i,j), la cual posee tres
argumentos:
A : es la matriz cuadrada.
i : fila i.
j : columna j
1. Después de definir la matriz A, escribimos en la línea de edición:
3. Para obtener el Cofactor 1,1 de la matriz A, se hace clic sobre el boton rotulado =
en el menú principal.
De los tres ejemplos anteriores se obtiene la siguiente presentación en la ventana de

álgebra:
216 ALGEBRA LINEAL
Matriz adjunta. (adj(A))
LM−2 5 7 6 OP
Ejemplo 4. Halle la matriz adjunta de A = M PP
9 −4 2 7
MN 85 3 2 −4
10 −20 8 Q
Solución. Utilizamos la función de DERIVE: ADJOINT(A), la cual posee un argu-
mento:
A : Es la matriz cuadrada.
3. Para calcular la matriz adjunta de la matriz A. Escribimos en la línea de edición
5. Para obtener la matriz adjunta de A, se hace clic sobre el boton rotulado = en el
menú principal.
LM2 3 5 OP
Ejemplo 5. Verifique que si A = 7
MN9 PQ
2 1 , A. adj(A) = det(A) I3
5 8
Solución.
3. Para obtener el producto de la matriz A con su adjunta, escribimos en la línea de
edición:
5. Para obtener el resultado se hace clic sobre el boton rotulado = en el menú principal.
6. Para obtener el producto del escalar det(A) por la matriz A, escribimos en la línea de
edición:
8. Para obtener el resultado se hace clic sobre el boton rotulado = en el menú
principal.
Obtenemos la siguiente presentación en la ventana de álgebra de DERIVE, donde
podemos observar que los resultados de las líneas #3 y #5 son iguales.
218 ALGEBRA LINEAL
LM x 3 1 OP
MN9
Ejemplo 6. Halle los valores de x tales que la matriz A = 7
PQ
x 1 es invertible.
5 x
Solución.
Matrices, o escribimos en la línea de edición
3. Para calcular el determinante de A, escribimos en la línea de edición:
5. Para obtener el determinante se hace clic sobre el boton rotulado = en el menú
principal.
6. Para hallar las soluciones de la ecuación resultante, utilizamos la función de DERI-
VE, SOLVE (E,V), que posee dos argumentos:
E: ecuación que queremos resolver; si en la ecuación no se coloca el signo = ,
entonces por defecto se resuelve la ecuación E = 0; en este caso:
E = x3 _ 35x + 62
V: es la variable de la ecuación, en este caso la variable es x.
Escribimos en la línea de edición:
8. Para obtener las soluciones de la ecuación se hace clic sobre el boton rotulado =
en el menú principal.
Otro procedimiento para resolver una ecuación, consiste en utilizar la opción Resol-
ver del menú principal de DERIVE. El procedimiento es el siguiente:
1. Escribimos la ecuación en la línea de edición:
2. Hacemos clic con el mouse sobre la la opción Resolver del menú principal.
3. Aparece un menú desplegable en el cual hacemos clic sobre la opción Expresión.

220 ALGEBRA LINEAL
4. Aparece una ventana de diálogo, en la cual hacemos clic sobre el botón rotulado
Resolver , finalmente obtenemos las soluciones de la ecuación.
3.7 TALLER DE INFORMÁTICA CON USO DE “Excel”

Cálculo del determinante de una matriz cuadrada.
LM 1 2 3OP
MM2
Ejemplo 1. Calcule el determinante de la matriz A = 4 −5 7
PP
N −1 5 Q
Solución. Utilizamos la función de Excel MDETERM(BLOQUE), la cual posee un

argumento: BLOQUE: corresponde a la dirección de las celdas donde se encuentra la
matriz A.
1. Escribimos los elementos de la matriz A en el bloque de celdas B2 : D4.
2. Colocamos el cursor en la celda B7 donde calcularemos el valor del determinante de
la matriz.
3. En la línea de edición de excel escribimos la fórmula:
4. Presionamos la tecla Enter , para obtener el resultado.
Verificación de algunas propiedades de los determinantes.

Ejemplo 2. Dadas las matrices:
LM 3 1 0 5 OP LM 2 1 5 7OP
A=M PP B=M PP
4 −1 4 −6 −2 4 6 −5
MN 11 MN 21
y
2 7 8 0 3 0
−1 2 3 Q 3 1 1 Q
222 ALGEBRA LINEAL
verifique:
a. det(AB) = det(A)det(B)
1
b. det(A–1) = det ( A)
c. det(2A) = 24det(A)
Solución. Utilizamos las funciones descritas anteriormente:
MMULT(Bloque1; Bloque2)
MINVERSA(Bloque)
MDETERM(Bloque)
1. Escribimos los elementos de las matrices A y B en los bloques de celdas A2 : D5 y

A8 : D11 respectivamente.
2. Calculamos la matriz AB en el bloque de celdas A14 : D17 utilizando la función MMULT
(A2 : D5; A8 : D11) como se describió en el capítulo 1.
3. Calculamos la matriz A–1 en el bloque de celdas F2 : I5 utilizando la función MINVERSA
(A2 : D5) como se describió en el capítulo 2.
4. Calculamos la matriz 2A en el bloque de celdas F8 : I11, como se describió en el
capítulo 1.
5. Para obtener el determinante de A, escribimos la siguiente fórmula en la celda G14 :
6. El determinante de B se obtiene escribiendo en la celda G15 la fórmula:
7. El determinante de AB se obtiene en la celda G16 escribiendo la fórmula:
8. El determinante de A–91 se obtiene en la celda G17 escribiendo la fórmula:
9. El determinante de 2A se obtiene en la celda G18 escribiendo la fórmula:
10.Para obtener el producto det(A).det(B) escribimos en la celda K16 la fórmula:

1
11. Para obtener el cociente det ( A) ,en la celda K17 escribimos la fórmula:
12.Para obtener el producto de 24.det(A), en la celda K18 escribimos la fórmula:
Podemos comparar los resultados en la siguiente presentación en pantalla:
Solución de un sistema de m ecuaciones lineales con m variables utilizando

la regla de Cramer.
Ejemplo 3.
Utilizando la regla de Cramer, halle la solución del sistema de ecuaciones:
2 x + 3 y − 5z = 4
− x + 4 y − 2 z = −1
5x + 6 y − z = 4
224 ALGEBRA LINEAL
Solución. Consideremos las matrices
LM
2 3 −5 OP LM
4 3 −5 OP
MN
A = −1 4 −2 ,
5 6 −1 PQ MN
A 1 = −1 4 −2
4 6 −1 PQ
LM 2 4 −5 OP LM 2 3 4 OP
A2
MN 5
= −1 −1 −2 y
4 −1 PQ A3
MN 5
= −1 4 −1
6 4 PQ
La matriz A es la matriz de coeficientes del sistema.
La matriz A1, se obtiene de la matriz A intercambiando la primera columna por los
términos independientes.
La matriz A2, se obtiene de la matriz A intercambiando la segunda columna por los
La matriz A3, se obtiene de la matriz A intercambiando la tercera columna por los
Al utilizar la regla de Cramer, los valores de las incógnitas se obtienen de la siguiente
forma:
det ( A1 ) det ( A2 ) det ( A3 )

x= , y= , z=
det ( A) det ( A) det ( A)
Utilizamos el siguiente procedimiento en excel:

1. Escribimos los elementos de las matrices A, A1, A2 y A3 en los bloques A2 : C4, A7:
C9, E2 : G4, E7 : G9 respectivamente.
2. Para obtener el valor de x escribimos en la celda D11 la fórmula:
3. Para obtener el valor de y escribimos en la celda D12 la fórmula:
4. Para obtener el valor de z escribimos en la celda D13 la fórmula:

Obtenemos la siguiente presentación en pantalla:

226 ALGEBRA LINEAL
RESUMEN
• El determinante de orden 2 x 2 de una matriz A, está dado por :

a b
det ( A) = = ad − bc
c d
• El determinante de orden 3 x 3 de una matriz A, está dado por :
a11 a12 a13

a a23 a a23 a a22
det(A) = a21 a22 a23 = a11 22 − a21 21 + a31 21
a32 a33 a31 a33 a31 a32
a31 a32 a33
• Regla de Sarrus para calcular un determinante de orden 3 x 3.

Se repiten las dos primeras filas a continuación de la tercera, trazando diagonales
de izquierda a derecha y de derecha a izquierda así:
_
+ a a a
11 12 13
a21 a22 a23
a31 a32 a33
a11 a12 a13
a21 a22 a23
det (A) = |A| = (a a a + a a a + a a a )

_ (a 11 a 22 a 33 + a 21a 32a 13 + a 31a 12a 23)
31 22 13 11 32 23 21 12 33
• El menor i, j de una matriz A de orden n x n, denotado por Mij es la matriz de

orden (n – 1) x (n – 1) que resulta al suprimir la fila i columna j, en la matriz A
• El cofactor i, j de una matriz A de orden n x n, se define como: Cij = (–1)i+j |Mij|
• La matriz de cofactores de una matriz A de orden n x n, notada Cof(A), está

formada por todos los cofactores de A en sus correspondientes posiciones.
• Los signos de los cofactores se obtienen así:
LM+ − + − OP
MM+− +
−
−
+
+
−
PP
MN− + − + PQ Continúa
• El determinante de una matriz A de orden n x n, se puede calcular por medio

del desarrollo en cofactores por una fila o por una columna de la matriz A.
a. Por la fila i: |A| = ai1Ci1 + ai2Ci2 + ...+ ainCin
b. Por la columna j: |A| = a1jC1j + a2jC2j + ...+ anjCnj
• Propiedades de los determinantes

a. Si todos los elementos de una fila o columna de un determinante son
ceros, el valor del determinante es cero
b. |A| = |At| si A es una matriz cuadrada del mismo orden.
c. Si una fila o columna de una matriz A es múltiplo escalar de otra fila o
columna, entonces el determinante de A es cero.
d. Si en un determinante se intercambian dos filas o columnas, entonces el
determinante cambia de signo.
e. En un determinante, si se multiplica una fila o columna por un escalar,
entonces el determinante queda multiplicado por el escalar.
f. Si se multiplica una fila o columna en un determinante, por un escalar y
se suma a una fila o columna cualquiera, entonces el determinante no
cambia.
g. |AB| = |A| |B|, si A y B son matrices cuadradas del mismo orden.
• A • Adj (A) = |A| • In si A es cuadrada.

1
• Si |A| ≠ 0 entonces A–1 = A adj(A)
• Para aplicar la regla de Cramer para sistemas lineales de orden n x n, el

determinante de la matriz de coeficientes del sistema debe ser distinto de cero.
228 ALGEBRA LINEAL
GLOSARIO
Determinante: es un número real asociado a una matriz cuadrada.

Regla de Sarrus: procedimiento para evaluar determinante de orden 3 x 3,
Menor: matriz que se obtiene eliminando una fila y una columna de una matriz
cuadrada.
Cofactor: determinante del Menor multiplicado por (_1)i + j.
Matriz adjunta: es la traspuesta de una matriz de cofactores.
Regla de Cramer: método que nos sirve para resolver sistemas de ecuaciones
lineales de n ecuaciones con n variables por medio de determinantes.
Matriz Insumo-Producto: es una matriz que muestra la asociación existente de
oferta y demanda en un sector económico durante un período.
Punto de equilibrio: es una solución que satisface tanto la oferta como la de-
manda.
4 Introducción
a la programación lineal
Durante la Segunda Guerra Mundial, los servicios

armados británicos y las fuerzas armadas de los Estados
Unidos se vieron enfrentados a problemas relativos al
mejoramiento de la utilización de los recursos de tan gran-
de complejidad que los métodos tradicionales no ofre-
cían soluciones adecuadas. El estudio de estos proble-
mas les fue encargado a grupos de científicos de diver-
sas especialidades. Así, el grupo encabezado por el Premio
Nobel P.M.S. Blackett de la Universidad de Manchester,
abocado a optimizar la utilización del radar, incluía entre
otros, a tres psicólogos, un físico general, un astrofísico,
dos físicos matemáticos, un oficial del ejército, un obser-
George B.
vador aéreo y dos matemáticos, lo cual justifica que se le Dantzig
haya denominado "circo de Blackett".
Así tuvieron su origen las técnicas que hoy conocemos dentro del contexto de la
llamada Investigación de Operaciones, la cual definiremos como el empleo y adapta-
ción de métodos científicos, principalmente de cáracter matemático y estadístico, en
sistemas que comprenden elementos humanos y materiales. En la actualidad, cualquier
aplicación práctica de Investigación de Operaciones presentará, de una u otra mane-
ra, aspectos de ingeniería, economía, administración y estadística matemática, que hacen
muy difícil, sino imposible, el que una sóla persona pueda abarcar el problema en todas
sus facetas. Se ha mantenido la característica de heterogeneidad que tuvo en sus co-
mienzos, de aquí que los equipos de asesoría en Investigación de Operaciones estén
formados por profesionales de distintas especialidades.
La Programación Lineal que puede ser considerada como parte de la Investigación
de Operaciones, aparece después de la última guerra. Se considera comúnmente al
matemático norteamericano George B. Dantzig como el creador de esta técnica, por la
230 ALGEBRA LINEAL
gran divulgación que tuvieron sus trabajos y por haber sistematizado un método de solu-
ción general. Dantzig comenzó a trabajar en la Fuerza Aérea de los Estados Unidos
junto a Marshall Wood, John Norton y Murray Geisler en la investigación de la posibili-
dad de aplicar técnicas matemáticas a la planificación militar. Este equipo recibió más
tarde el nombre del Proyecto Scoop (Scientific Computation of Optimum Programs).
Inspirados principalmente por el enfoque Interindustrial del modelo de Insumo-Pro-
ducto de Wassily Leontief (1936), crearon en el verano de 1947, el llamado Método
Simplex, que da el óptimo para un modelo basado en ecuaciones de primer grado, de
extrema sencillez desde el punto de vista formal de la matemática, pero de gran poten-
cialidad de acuerdo con las aplicaciones. A partir de esa fecha, los aportes realizados en
el aspecto matemático puro o matemático computacional, así como en el aspecto econó-
mico-industrial, son innumerables, tanto en el plano teórico como en su aplicación.
Se puede destacar como precursor al matemático Hitchcok (1941), quien plantea el
fundamento matemático de la Programación Lineal en una forma abstracta. Su teoría
está referida a un problema de Transporte. Ya anteriormente Kantorovich, en la URSS
(1939), había obtenido algunos logros de la misma línea.
En 1945, el economista G.J. Stigler plantea un problema con todas las características
de la Programación Lineal. Toma como datos 77 alimentos distintos y considera nueve
elementos nutritivos (calorías, proteínas, vitaminas, etc), y mediante el empleo de un
método de tanteo, base del método Simplex, llega a la conclusión de que es posible
mantener una dieta adecuada si se consume harina de trigo, repollo y habas secas, a un
costo mínimo de 39.93 dólares para el año 1939, sustituyendo las habas por hígado de
cerdo, a un costo de 59.88 dólares con precios de 1944. Obviamente de la solución se
desprende que no fueron tomados como restricciones algunos hábitos alimenticios.
Los aportes principales después de 1947 fueron hechos por John Von Neumann,
genial creador de la Teoría de Juegos y estrategia, quien junto con A.W. Tucker de la
Universidad de Princeton, dieron mayor apoyo teórico a la Programación Lineal, princi-
palmente en lo referente a la Dualidad.
Robert Dorfmann, en 1951, con su tesis doctoral Aplicación de la Programación
Lineal y más tarde Paul Samuleson, Robert M. Solow y Tjalling Koopmans, inicia una
época de reexamen profundo de la teoría económica clásica a la luz de ideas y resulta-
dos de la Programación Lineal.
A. Charnes y W.W. Coopera, del equipo del Carnegie Institute of Technology, se
interesan en ciertos aspectos teóricos particulares como degeneración, forma revisada
del simplex, variables acotadas, y desarrollan sus aplicaciones industriales en problemas
relativos a la refinación del petróleo (1951). Por otro lado P. Massé y R. Gibrat utilizan
esta técnica a la selección de fuentes de energía para la producción de electricidad
(1955).
Es también interesante señalar las aportaciones de R.E. Gomory, quien soluciona el

problema de la Programación Linel Discreta, y las hechas por Lester Ford y D,K.
Fulkerson con su Teoría de Redes, dentro de la cual se consideran los sistemas de
trayectoria crítica (PERT y CPM), de gran aplicación práctica como herramientas de
programación y control (1956).
En los últimos años, los resultados más destacados y prometedores están en la reso-
lución de problemas de Programación Lineal en números enteros, el principio de des-
composición de Dantzig y Wolf, y diversos trabajos sobre Programación Lineal
Estocástica. Finalmente señalaremos que la Programación Lineal no hubiese alcanzado
el amplio desarrollo que ha tenido en poco más de 20 años si simultáneamente no se
hubiesen creado y perfeccionado las computadoras electrónicas de alta velocidad, los
cuales permiten hacer importantes aplicaciones en problemas económicos, industrial y
de estrategia militar que anteriormente, debido a su gran complejidad, habían tenido sólo
soluciones intuitivas o empíricas.
232 ALGEBRA LINEAL
Introducción
En este capítulo proporcionaremos los elementos necesarios para

resolver problemas de Programación Lineal de dos variables, por
medio del Método Gráfico; lo anterior es una base intuitiva de los
temas que veremos más adelante.
En primera instancia vamos a utilizar la técnica de graficación de
desigualdades en dos variables, la cual nos proporciona una base
fundamental para graficar regiones factibles, que corresponden a
conjuntos de puntos que satisfacen unas restricciones en un pro-
blema de PL ( Función Objetivo y Restricciones).
Posteriormente vamos a resolver problemas de máximos y míni-
mos aplicándolos a casos reales de una compañía, y con la solu-
ción tomar la mejor decisión de como manejar adecuadamente los
recursos disponibles, como son: horas de trabajo, tiempo disponi-
ble de una máquina, espacio para almacenamiento etc.
En este capítulo vamos a dar algunas instrucciones de como resol-
ver problemas de PL con dos variables por medio de la hoja elec-
trónica Excel y el programa QSB (Quantity System for Business).
Objetivos
• Graficar regiones definidas por desigualdades lineales.

• Utilizar el Método Gráfico para optimizar problemas de Pro-
gramación Lineal de dos variables.
• Presentar y resolver problemas de máximos y mínimos de Pro-
gramación Lineal.
• Interpretar los resultados de una solución de PL, con el fin de
tomar la mejor decisión en el manejo de recursos.
• Identificar problemas de PL de No Factibilidad, No Acota-
miento, y soluciones Múltiples.
• Resolver gráficamente los problemas de PL por medio de los
paquetes computacionales EXCEL y QSB (Quantity System
for Business).
4.1 DESIGUALDADES LINEALES

Desigualdades lineales en dos variables.
Una desigualdad Lineal en dos variables x e y, es una expresión
que puede escribirse de alguna de las siguientes formas:
ax + by + c < 0
ax + by + c < 0
ax + by + c > 0
ax + by + c > 0
Donde a, b, c son costantes con a ≠ 0, o, b ≠ 0.
Ejemplo 1. Las siguientes expresiones son desigualdades lineales

en dos variables.
Recuerde
2x + 5y − 4 < 0 Semiplano:
−x + 3 y − 2 ≤ 0 conjunto de
1x + 2 y +1> puntos del plano
0 cartesiano que
3 7 satisface una
5x − 3y + 4 ≥ 0 desigualdad.
Gráfica de una desigualdad lineal en dos variables.

Para graficar una desigualdad lineal en dos variables, necesitamos
indicar el conjunto de puntos del plano, cuyas coordenadas satisfacen
la desigualdad.
Por ejemplo, para obtener la región del plano correspondiente a la
desigualdad lineal ax + by + c < 0, representamos primero la recta de Recta vertical:
la ecuación lineal ax + by + c = 0, la cual divide al plano en dos es una recta
semiplanos, uno de los cuales será la gráfica de la desigualdad lineal en paralela al eje y
(ordenadas)
dos variables.
Establecemos la siguiente clasificación:
Recta vertical.
La ecuación x = d; corresponde a una recta vertical que divide
el plano en dos semiplanos, donde la región hacia la derecha es
el conjunto de puntos que satisfacen la desigualdad x > d y la
región hacia la izquierda es el conjunto de puntos que satisfa-
cen la desigualdad x < d.
234 ALGEBRA LINEAL
x>d
x=d
X<d
Recuerde
Recta horizontal:
x=d Es una recta
paralela al eje x
(abscisa).
Ejemplo 2. Grafique las regiones correspondientes a las desigualda-
des x > 5 y x < _3
Solución. Graficamos primero las rectas verticales correspondien-
tes a las ecuaciones x = 5 y x = _3 dichas rectas se dibujan en forma
punteada para indicar que las coordenadas de puntos sobre las rectas
no satisfacen las desigualdades.
La región correspondiente a x > 5, es el conjunto de puntos del
plano a la derecha de la recta x = 5.
La región correspondiente a x < –3, es el conjunto de puntos del
plano a la izquierda de la recta x = –3 .
X>5
5
X = =5
x < -3
x = -3
Recta horizontal
La ecuación y = b corresponde a una recta horizontal que divide al plano en dos
regiones (semiplanos), donde el semiplano superior es el conjunto de puntos que
satisfacen la desigualdad y > b, y el semiplano inferior corresponde al conjunto
de puntos que satisfacen la desigualdad y < b.
Y>b
Y=b
236 ALGEBRA LINEAL
Y=b
Y 3 y y < –1.
Solución. Graficamos primero las rectas horizontales correspondientes a las ecua-
ciones y = 3 e y = –1, dichas rectas se dibujan en forma punteada para indicar que las
coordenadas de los puntos sobre las rectas no satisfacen las desigualdades.
La región correspondiente a
y > 3, es el conjunto de puntos
del plano por encima de la recta
y = 3. La región correspon-
Y >3
diente a y < –1, es el conjunto
de puntos del plano por debajo
de la recta y = –1. Y =3
Y =-1
Y <-1
Recta oblicua
La ecuación y = mx + b con m ≠ 0 tiene como representación una recta que
llamaremos recta oblícua, la cual es la frontera de las regiones correspondientes
a los conjuntos de puntos (x, y) que satisfacen las desigualdades y < mx + b y
y > mx +b.
La región que está por encima de la recta, es el conjunto de puntos (x, y) que
satisfacen la desigualdad y > mx + b, mientras la región que está por debajo de la
recta es el conjunto de puntos (x, y) que satisfacen a y < mx + b.
Y>mx+b
Y=mx+b
+b
mx
Y=
Y<mx+b
Ejemplo 4. Represente la región correspondiente a la desigualdad lineal: 2x + 4y < 8.

Solución. Dibujamos primero la recta de ecuación 2x + 4y = 8, esta recta es la fronte-
ra de la región, y no está incluída en esta región, puesto que interviene la desigualdad
< (menor que).
• Si x = 0 entonces 4y = 8 y, y = 2, luego la recta contiene el punto (0, 2)
• Si y = 0 entonces 2x = 8 y, x = 4, luego la recta contiene el punto (4, 0)
238 ALGEBRA LINEAL
Para determinar la región correspondiente a la desigualdad lineal, debemos resolver

la desigualdad para y. 2x + 4y < 8
4y < – 2x + 8
– 2x + 8
y <
4
y< − x +2
2
La última desigualdad tiene la forma y < mx + b por lo tanto el conjunto de puntos

correspondiente a la desigualdad lineal, está formado por la región que se encuentra
debajo de la recta.
2x
+4
y=
8
2x + 4y = 8
2x+4y<8
x 0 4
y 2 0
Ejemplo 5. Grafique las regiones correspondientes a las desigualdades y > –3x + 6 y

y < 2x – 6.
Solución. Dibujamos primero la recta de ecuación y = –3x + 6, esta recta es la
frontera de la región y no está incluída en la región, puesto que interviene la desigualdad
> (mayor que).
• Si x = 0 entonces y = 6, luego la recta contiene el punto (0, 6)
• Si y = 0 entonces 0 = –3x + 6 y x = 2, luego la recta contiene el punto (2, 0)
La desigualdad y > –3x + 6 es del tipo y > mx + b, por lo tanto el conjunto de puntos
correspondiente a la desigualdad lineal, está formado por la región que se encuentra por
encima de la recta y = –3x + 6.
Y>-3x+6
Y=
-3 x
y = –3x + 6 +6
x 0 2
y 6 0
Para representar la región correspondiente a y < 2x – 6, dibujamos

la recta de ecuación y = 2x – 6, esta recta es la frontera de la región y
no está incluída, puesto que interviene la desigualdad < (menor que).
• Si x = 0 entonces y = –6, luego la recta contiene el punto (0, –6)
• Si y = 0 entonces 0 = 2x –6 y x = 3, luego la recta contiene el punto
(3, 0)
La desigualdad y < 2x – 6 es del tipo y < mx + b, por lo tanto el
conjunto de puntos correspondiente a la desigualdad lineal, está forma-
do por la región que se encuentra debajo de la recta y = 2x – 6.
y = 2x – 6
x 0 3
y –6 0
Importante
La expresión
2x-6 menor que (<) ó
Y= mayor que (>),
en una desigual-
dad de dos
variables, designa
Y<2x-6 un semiplano sin
tomar la frontera.
240 ALGEBRA LINEAL
Semiplano abierto.
Un semiplano correspondiente a una desigualdad lineal de la forma ax + by + c < 0, o
ax + by + c > 0 donde únicamente interviene una de las desigualdades “menor
que <” o “mayor que >”, se denomina semiplano abierto y no incluye la frontera.
La recta correspondiente a la frontera del semiplano abierto se dibuja con un
trazo en forma punteada para indicar que la recta no está incluída en la región.
Ejemplo 6. Todas las regiones representadas en los ejemplos anteriores correspon-

den a semiplanos abiertos.
Semiplano cerrado.
Un semiplano correspondiente a una desigualdad lineal de la forma ax + by + c < 0
o ax + by + c > 0 donde únicamente interviene una de las desigualdades “menor
o igual que <” o “mayor o igual que >”, se denomina semiplano cerrado por-
que incluye la frontera.
La recta correspondiente a la frontera del semiplano cerrado se dibuja con un
trazo en forma continua, para indicar que la recta está incluída en la región.
Ejemplo 7. Grafique la desigualdad: 2x + 5y < 100

Solución. Dibujamos primero la recta de ecuación 2x + 5y = 100, esta recta es la
frontera de la región y está incluída en la región, puesto que interviene la desigualdad
< (menor o igual que).
• Si x = 0 entonces 5y = 100 e y = 20, luego la recta contiene el punto (0, 20)
• Si y = 0 entonces 2x = 100 y x = 50, luego la recta contiene el punto (50, 0)
la desigualdad para y.
2x + 5y < 100
5y < – 2x + 100
y < – 2x + 100
5
La última desigualdad tiene la forma y < mx + b por lo tanto el conjunto de puntos
correspondiente a la desigualdad lineal, está formado por la recta de ecuación 2x + 5y = 100
y por la región que se encuentra debajo de la recta.
2x + 5y = 100
Importante
x 0 50 La expresión
y 20 0 menor o igual
que (<) ó
mayor o igual
que (>), en una
desigualdad de
dos variables,
designa un
semiplano
tomando la
frontera.
2x+5y<100
Ejemplo 8. Graficar la región que satisfaga las desigualdades li-

neales: 2x + 5y < 100; x > 0, y y > 0
Solución.
a) La gráfica de 2x + 5y < 100 es la del ejemplo anterior.
b) La gráfica de x > 0 es:
X> 0
242 ALGEBRA LINEAL
c) La gráfica de y > 0 es:
Y> 0
Graficando la intersección de los tres semiplanos anteriores en un sólo plano carte-

siano obtenemos:
2x+5
y=10
0
Y=0
X=0
DESIGUALDADES LINEALES SIMULTÁNEAS CON DOS

VARIABLES.
Al resolver desigualdades lineales simultáneas, debemos tener presente que busca-
mos la intersección de los conjuntos solución de un sistema de dos o más desigualdades.
Esto puede lograrse con facilidad, graficando las regiones correspondientes a las des-
igualdades y observando la intersección de sus gráficas. Si la intersección es vacía no
hay soluciones simultáneas.
Ejemplo 9. Representar gráficamente el sistema de desigualdades lineales:

2x + 2y < 4
x–y<0
Solución.
a) Dibujamos primero la recta de ecuación 2x + 2y = 4 esta recta es la frontera de la
región y no está incluída en la región, puesto que interviene la desigualdad < (menor
que).
• Si x = 0 entonces 2y = 4 e y = 2, luego la recta contiene el punto (0, 2)
• Si y = 0 entonces 2x = 4 y x = 2, luego la recta contiene el punto (2, 0)
la desigualdad para y.
2x + 2y < 4
2y < – 2x + 4
– 2x + 4
y <
2
y <–x+2
La última desigualdad tiene la forma y < mx + b, por lo tanto el conjunto de puntos
debajo de la recta 2x + 2y = 4.
2x + 2y = 4
x 0 2
y 2 0
2x+2y<4
b) Dibujamos la recta de ecuación x – y = 0 esta recta es la frontera de la región y no

está incluída en la región, puesto que interviene la desigualdad < (menor que) .
• Si x = 0 entonces – y = 0 y y = 0 , luego la recta contiene el punto (0, 0)
• Si x = 2 entonces 2 – y = 0 y y = 2, luego la recta contiene el punto (2, 2)
244 ALGEBRA LINEAL

la desigualdad para y. x–y< 0
–y<–x
Multiplicamos los dos miembros de la desigualdad por (–1), teniendo en cuenta que
se invierte el sentido de la desigualdad. (La propiedad de las desigualdades que se aplica
aquí, se enuncia al final del ejemplo)
(– 1) (– y) > (– 1) (– x)
y>x
La última desigualdad tiene la forma y > mx + b, por lo tanto el conjunto de puntos
encima de la recta x – y = 0.
x–y=0
x 0 2
y 0 2
x--y<0
Combinando
las gráficas
anteriores en el
mismo plano =0
x-y
cartesiano
obtenemos:
2x
+2
y=
4
De las propiedades de las desigualdades, es conveniente resaltar la siguiente, debido

a que si no se aplica correctamente se obtienen resultados totalmente erróneos.
Propiedad de las desigualdades.

Sean a, b, c ∈ R, si a bc.
El enunciado anterior se puede traducir así: si se multiplican los dos miembros de
una desigualdad por un número real negativo, entonces se invierte el sentido de la
desigualdad.
Ejemplo 10. Representar gráficamente: x + y < 16

3x + 6y < 60
x>0
y>0
Solución.
1) Vamos a graficar x + y < 16
Primero graficamos la frontera x + y = 16
Si x = 0 entonces y = 16, la recta pasa por (0, 16)
Si y = 0 entonces x = 16, la recta pasa por (16, 0)
Al resolver la desigualdad para y obtenemos:
y < – x + 16, que tiene la forma y < mx + b, por lo tanto la región está formada por
la recta x + y = 16 y por el conjunto de puntos bajo la recta.
x + y = 16
x 0 16
y 16 0
246 ALGEBRA LINEAL
2) Gráfica de 3x + 6y < 60
Graficamos la frontera 3x + 6y = 60
Si x = 0 entonces y = 10, luego la recta pasa por (0, 10)
Si y = 0 entonces x = 20, luego la recta pasa por (20, 0)
Al resolver la desigualdad para y obtenemos:
6y < – 3x + 60
y < – 3x + 60
6
y < – 1 x + 10
2
Que tiene la forma y < mx + b, por lo tanto la región está formada por la recta
3x + 6y = 60 y el conjunto de puntos bajo la recta
3x + 6y = 60
x 0 20
y 10 0
Combinando las gráficas de x + y < 16, 3x + 6y < 60 y teniendo en cuenta que x > 0
y y < 0, tenemos:
Ejemplo 11. El alimento para un animal ha de ser una mezcla de dos productos alimenti-
cios, cada unidad de las cuales contiene proteínas, grasas y carbohidratos en el número
de gramos que se da en el cuadro siguiente.
Producto
alimenticio
I II
Proteínas 10 5
Grasas 0.1 0.9
Carbohidratos 10 30
Cada bolsa de la mezcla resultante tiene que contener cuando menos 40 gramos de
proteínas, 1.8 gramos de grasas, y 120 gramos de carbohidratos. Grafíquese el sistema
de desigualdades que muestra la mezcla que satisface estos requisitos.
Solución. Como cada unidad del producto alimenticio I contiene 10 gramos de pro-
teínas y cada unidad del producto II contiene 5 gramos de proteínas y además cada bolsa
de la mezcla debe contener al menos 40 gramos de proteínas, entonces una desigualdad
que debe satisfacerse es:
10x + 5y > 40
Donde x representa el número de unidades del producto alimenticio I y y el número

de unidades del producto alimenticio II en la mezcla.
Análogamente, las otras desigualdades relevantes son:
0.1x + 0.9y > 1.8 para grasas
10x + 30y > 120 para carbohidratos
248 ALGEBRA LINEAL
Tenemos también, las restricciones de no negatividad:

x > 0, y>0
La representación del sistema de desigualdades que verifica los requisitos anteriores,
se muestra en la gráfica:
10x+
5y=4
0
10
x+
30
y=
12
0
0.1x+0.9
y=1.8
Ejemplo 12. Una firma está planeando la producción para la semana siguiente.
Está fabricando dos productos, X y Y, cada uno de los cuales requiere cierto número de
horas en fundición, maquinación y acabado de acuerdo con lo que se muestra en la tabla
siguiente. Durante la semana que se está planeando, el número máximo de horas que se
va a disponer en cada una de las áreas en cuestión es el siguiente:
Fundición, 110 horas
Maquinación, 150 horas
Acabado 60 horas
Horas por unidad

Producto Fundición Maquinación Acabado
X 6 3 4
Y 6 6 2
Grafíquese el sistema de desigualdades lineales que muestra las cantidades de X y Y

que pueden ser producidas.
Solución. Denominaremos x al número de unidades a producir del producto X, e y al
número de unidades a producir del producto Y.
Los productos X y Y requieren, cada uno, seis horas de trabajo de fundición por cada
unidad producida, y como hay 110 horas disponibles para tal trabajo, la cantidad total del
tiempo de trabajo de fundición que se utiliza debe satisfacer la relación.
6x + 6y < 110
Análogamente, las relaciones que corresponden a la capacidad de maquinación y
acabado son, respectivamente:
3x + 6y < 150
4x + 2y < 60
Aparte de las tres restricciones a la producción arriba indicadas, hay dos condiciones
adicionales que cualquier combinación de producción debe satisfacer.
x>0 y>0
Esto es, la producción no puede ser negativa.
La parte sombreada de la figura muestra todas las combinaciones de producción que
satisfacen todas las restricciones. Nótese que en este problema la capacidad de maqui-
nación no es, en realidad, ningún tipo de restricción; es decir, cualquier combinación de
producción que satisface las otras dos limitaciones satisfará también la capacidad de
maquinación.
Ejemplo 13. Inversión: Una persona desea invertir como máximo US$ 120.000 en
dos tipos de acciones: las de tipo A y las de tipo B, donde la acción A cuesta US$ 40 y la
B cuesta US$ 30. Graficar la región para una mejor estrategia de inversión.
Solución. Sea x el número de acciones de tipo A, y sea y el número de acciones de tipo
B. Como cada acción A cuesta US$ 40, el costo total es 40x y el de B será US$ 30y. De
esta forma la inversión total será de 40x + 30y; y no puede exceder de US$ 120.000, es
250 ALGEBRA LINEAL
decir que: 40x + 30y < 120.000. Agregamos las condiciones de no negatividad x > 0 y
y > 0.
Ejemplo 14. Un fabricante de patines, produce dos modelos, la fabricación del mo-
delo A necesita 6 horas de mano de obra y 1 hora de acabado, y la del modelo B, 8 horas
de mano de obra y 3 horas de acabado.
El número máximo de horas de mano de obra disponible por semana en los departa-
mentos de fabricación y acabado es 120 y 30 horas respectivamente.
¿Qué combinaciones de patines se pueden producir cada semana, de manera que no
exceda el número de horas de mano de obra disponibles en cada departamento por
semana.
Solución. La información se resume en la siguiente tabla:
Modelo A Modelo B Número máximo de horas

Horas de mano de Horas de mano de de mano de obra
obra por patín obra por patín disponible por semana
Fabricación 6 8 120
Acabado 1 3 30
Sea: “x” número de patines Modelo A producidos por semana

“y” número de patines Modelo B producidos por semana
Estas variables están restringidas como se indica:
Restricción en el departamento de fabricación

Tiempo de Tiempo de Número
fabricación fabricación máximo de horas de
por semana + por semana < mano de obra
para x para y disponibles
patines modelo A patines modelo B por semana
6x + 8y < 120
Restricción en el departamento de acabado

Tiempo de Tiempo de Número máximo de
acabado por acabado por mano de obra
+ <
semana para x semana para y disponibles
patines modelo A patines modelo B por semana
1x + 3y < 30
Como no es posible fabricar un número negativo de patines, x e y

deben también satisfacer las restricciones de no negatividad:
x>0ey>0
Así, x e y, deben satisfacer el siguiente sistema de desigualdades
lineales:
1) 6x + 8y < 120 Restricción del departamento de fabricación
2) x + 3y < 30 Restricción del departamento de acabado
x>0 Restricción de no negatividad
y>0 Restricción de no negatividad
Para determinar el punto de corte de las rectas frontera de la re-
gión correspondiente a la solución, consideramos las siguientes
ecuaciones:
Restricción
(1) 6x + 8y = 120
Es una ecuación
(2) x + 3y = 30 o desigualdad
lineal que elimina
Multiplicando (2) por (–6), se tiene: ciertas combina-
ciones de las
(1) 6x + 8y = 120 variables de
(2) – 6x – 18y = –180 decisión como
_________________________________ soluciones
(3) –10y = – 60 factibles
252 ALGEBRA LINEAL
Es decir: 10y = 60 e y = 6; ahora reemplazando en (2):

x = 30 – 3y, o sea
x = 30 – 3(6)
x = 30 – 18
x = 12
Por tanto el punto de corte es P (12,6)
Al graficar este sistema de desigualdades lineales, se obtiene el
conjunto de soluciones factibles, también denominada región factible,
como se muestra en la siguiente figura:
6x
+8
y=
12
0
Región factible
x+3 Conjunto de
y=3
0 soluciones que
satisfacen todas
las restricciones.
Cualquier punto dentro del área sombreada, incluyendo las rectas

frontera, representa una planeación de producción factible y cualquier
punto fuera del área sombreada representa una planeación imposible.
Por ejemplo, podrá ser posible producir 12 pares de patines modelo A
y 5 modelo B, pero no sería posible producir 12 pares de patines mode-
lo A y 7 de modelo B por semana.
Ejemplo 15. Una firma fabrica dos productos, X y Y. Cada uni-

dad del artículo X producida requiere dos horas de trabajo en una
taladradora, y cada unidad del artículo Y, cinco horas de trabajo en una
taladradora. La firma tiene un máximo de 40 horas disponibles de
trabajo para la taladradora en la semana. Si la sola limitación en la
producción semanal es la posibilidad de obtención de horas de
taladradora, grafíquese la relación que muestra las combinaciones de
los dos productos que la firma es capaz de producir semanalmente.
Solución. Sea x el número de unidades del artículo X producidas
semanalmente, y sea y el número de unidades del producto Y que
semanalmente se producen. Como cada unidad producida del artículo X requiere dos
horas de trabajo en una taladradora, serán necesarias 2x horas para producir x unidades
del producto X, análogamente, 5y será el número de horas de trabajo en taladradora
requeridos para producir y unidades del producto Y. Como el número total de horas destina-
das a la producción de ambos productos no puede exceder a 40, podemos escribir:
2x + 5y < 40.
Adicionalmente tenemos las restricciones de no negatividad, x > 0, y > 0
EJERCICIO 4.1
1. Resuelva las siguientes desigualdades lineales para y y grafique:
x y
a) 2y + x > 5 b) – x – y < 0 c) + <1
2 4
d) 2x – 3y < – 5 e) 2x + 3y > 5
2. Un fabricante produce dos artículos, X y Y. Solamente los vende en el establecimien-

to de un minorista con el que tiene firmado un contrato por el que éste se comprome-
te a aceptarle diariamente hasta seis unidades del artículo X y hasta tres del Y.
Grafíquese la relación que muestra las combinaciones posibles de los dos productos
que el fabricante puede embarcar diariamente.
3. Un fabricante ha firmado un contrato que debe cumplir, a saber: al cliente A han de

suministrársele diariamente dos veces, tantas unidades del producto X como unida-
des del producto Y se le envíen, debiendo ser cuando menos seis el número total de
unidades de ambos productos combinados. Grafíquese la relación que muestra las
combinaciones de los dos productos que pueden legalmente embarcarsen.
254 ALGEBRA LINEAL
4. Grafíquense los siguientes sistemas de desigualdades lineales :

a) x < 3 b) x – y < 2
y>0 2x – y < 3
x – 4y < 5
c) x > 0 d) x > 3
y>0 y<4
2x + 3y > 5 x–y>–5
e) x + y – 3 > 0 f) 2x + y – 3 > 0
2x + y – 4 > 0 x+y–5<0
g) 2x – 5y – 10 > 0
– 2x + 5y – 10 < 0
2x + 5y – 10 < 0
2x + 5y + 10 > 0
5. Si una persona debe tener al menos 900 unidades de vitaminas y 1000 unidades de
calorías por día, exprésese cada condición como una desigualdad lineal y determíne-
se lo que constituiría una dieta aceptable. Grafíquense las desigualdades (Sugerencia:
sea x el número de unidades de vitaminas necesarias y y el número de unidades de
calorías necesarias).
6. Una compañía de discos para computador produce discos en dos fábricas A, B. La

fábrica A puede producir 2000 unidades al día mientras que la fábrica B puede producir
4000 unidades diarias. La empresa tiene tres centros de distribución, D1, D2, D3 el
centro D1 requiere 1000 discos al día, D2 requiere 1500 unidades diarias y D3 requiere
2500 unidades diarias, con el objetivo de satisfacer las demandas de sus áreas respec-
tivas. Si la fábrica A suministra x discos al día a su centro de distribución D1, y unidades
a D2, z unidades a D3, escriba las desigualdades que deben satisfacer x, y, z.
7. Una compañía encargada de distribuir música, tiene centros de distribución en dos

ciudades. En la ciudad de Bogotá tiene 100.000 discos para distribuir, mientras que en
la ciudad de Medellín tiene 120.000 discos para su distribución. Si debe hacer entre-
gas en dos disqueras principales y en la primera disquera necesita 70.000 discos, en
la segunda necesita 90000 discos. Determine las desigualdades en términos de x, y,
donde x es el número de unidades suministradas desde Bogotá a la primera disquera
y y a la segunda disquera. Represéntelas gráficamente.
8. En el ejercicio anterior suponga que el costo de cada disco enviado desde Bogotá y
Medellín a la primera disquera es de $10.000 y $20.000 respectivamente y que los
costos correspondientes de cada disco enviado a la segunda disquera son de $15.000
y $25.000 respectivamente. Si la compañía requiere que los costos no excedan a
$270.000, represente gráficamente la condición adicional.
9. En el ejercicio anterior si los costos de envío de cada disco son de $150 y $100,
respectivamente, desde la ciudad de Bogotá y $10, $20 desde la ciudad de Medellín,
halle la nueva restricción y su respectiva gráfica.
10.En una bodega de almacenamiento de computadores, se tienen por el momento dos

tipos de computador: computadores con procesadores de 1 giga y computadores con
procesadores de 1.2 gigas. En este momento se quieren almacenar 240 computado-
res. El número de computadores con procesador de 1 giga no puede ser menor a 80,
y el número de modelos de 1.2 gigas, no puede ser menor a 60, represente en forma
gráfica el número de modelos de cada computador que se puede almacenar.
11. En el ejercicio anterior, suponga que el modelo con procesador de 1 giga requiere 24
pies cúbicos de campo, mientras que el modelo de 1.2 gigas requiere de 16 pies
cúbicos de campo. Si la compañía dispone de 2400 pies cúbicos, represente una
nueva gráfica con estos datos.
12.En una empresa se fabrican bicicletas de dos clases: bicicletas para carreras y bici-
cletas para montaña. El marco de la bicicleta se elabora en la máquina I y en la
máquina II, cada bicicleta de carreras requiere de 2 horas en la máquina I y de 4
horas en la máquina II. Cada bicicleta de montaña requiere 6 horas en la máquina I y
4 horas en la máquina II. Si la fábrica dispone de 200 horas semanales para cada
máquina. Represente gráficamente el número de unidades de cada clase de bicicleta
que se pueden construir en las dos máquinas.
13.En el ejercicio 10 suponga que la compañía obtiene utilidades (en dólares) de $40 por
cada computador de 1 giga y $60 por cada computador de 1.2 gigas. Se requiere que
la utilidad semanal sea al menos de $2.200, represente los valores permitidos gráfica-
mente.
14.En el ejercicio anterior suponga que deben producirse al menos 10 unidades de cada
clase de computador. Represente gráficamante la solución.
15.En una bodega de almacenamiento de pinturas en este momento se tienen al menos

600 canecas de pintura azul y al menos 800 canecas de pintura roja. Se ha decidido
que el número total de canecas no puede superar las 2400. Determine las cantidades
de canecas de ambos colores que pueden almacenarse y muéstrelo gráficamente.
16.En el problema anterior supongamos que las canecas de color azul ocupan 18 m2 de
espacio y las canecas de color rojo ocupan 12 m2. El área total de almacenamiento es
de 30.000 m2, determine las cantidades posibles de canecas y muéstrelo con una gráfica.
17.En un gimnasio “GYM” sé esta considerando cambiar la dieta de comida a sus inte-
grantes afiliados en este plan. Para esto se consideran dos productos A y B. Una
256 ALGEBRA LINEAL
onza del primer producto contiene 14 gramos de proteína mientras que una onza del
producto B contiene 3 gramos de proteína. Si se requiere que el consumo de proteína
de los dos productos sea por lo menos 100 gramos, que combinación de estos daría
una dieta aceptable.
18.En una tienda de hamburguesas se venden de dos clases: hamburguesas de pollo y

hamburguesas de pavo, cada hamburguesa de pavo tiene un valor de 4 dólares, tiene
220 calorías y 14 gramos de proteínas, mientras que cada hamburguesa de pavo tiene
un valor de 8 dólares, tiene 166 calorías y 14 gramos de proteína. ¿Cuántas hambur-
guesas deben venderse si se quiere obtener al menos 1800 calorías y al menos 120
gramos de proteínas? Tenga en cuenta que el costo debe ser mayor a 200 dólares.
represente esto algebráicamente.
19.En una empresa de textiles se tienen tres departamentos: departamento de tejido,

departamento de teñido, departamento de confección. Se producen dos tipos de telas
a saber: telas infantiles y telas juveniles. Cada tela tipo juvenil requiere 5 horas en
tejido, 6 en teñido y 8 horas en confección. Mientras que cada tela de tipo infantil
requiere 6 horas de tejido, 4 horas en teñido y 6 horas en confección. Si el departa-
mento de tejido tiene disponibles 10 horas, el de teñido 200 horas y el de confección
50 horas construya las desigualdades y solucione gráficamente.
20.Una empresa de electrodomésticos encargada de fabricar televisores, tiene tres de-

partamentos: Diseño, Ensamble y Terminado.
De acuerdo con las características, los televisores pueden ser de 32 o 24 pulgadas,
cada televisor de 32 pulgadas requiere de 40 horas en el departamento de diseño, 50
horas en el departamento de ensamble y 20 horas en el departamento de terminado.
Mientras que cada televisor de 24 pulgadas requiere de 30 horas en el departamento de
diseño, 25 en el departamento de ensamble y 10 horas en el departamento de terminado.
Represente las desigualdades y solucione en forma gráfica si el departamento de diseño
tiene disponibles 100 horas, el de ensamble 150 horas y el de terminado 100 horas.
21.En una fábrica de papel se tienen dos departamentos: departamento de prensado y

departamento de color. En el departamento de prensado se tienen disponibles 800
horas y en el departamento de color se tienen disponibles 580 horas; otra restricción
es que no se pueden fabricar más de 300 resmas de papel blanco. Si se requieren dos
horas para prensar una unidad (resma) de papel blanco y 2 horas para prensar una
resma de papel amarillo, también se requieren 2 horas para el color del papel blanco
y 4 horas para el color amarillo. Represente la solución en forma gráfica.
22.En una empresa se diseñan mecanismos para relojes de pared. los mecanismos pue-
den ser grandes o pequeños. Cada mecanismo grande requiere de 20 horas en el
departamento de troquelado y 8 horas en el departamento de ensamble. Además no
es posible fabricar más 25 de unidades.
Los mecanismos pequeños requieren de 15 horas en el departamen-

to de troquelado y 50 horas en el departamento de ensamble. No es
posible construir más de 40 elementos pequeños. Si se tienen 40
horas en el departamento de troquelado y 60 horas en el departa-
mento de construcción. Represente la solución en forma gráfica.
23.Se fabrican dos tipos de llantas para carro, llanta dentada y llanta
normal. La empresa tiene 1800 horas en el departamento de dise-
ño, 600 horas en el departamento de terminado y 400 horas dispo-
nibles en el departamento de envío. El tiempo de producción en
horas se muestra en la siguiente gráfica.
Modelo Diseño Terminado Envío
Dentada 1 1 1
2 8
Normal 1 1 1
4 4
a) Escriba las desigualdades que definen el problema
b) Represente gráficamente.
24.Una firma fabrica dos productos. Los requerimientos de mano de

obra por hora para los dos productos son:
Producto 1 Producto 2
Departamento A 1 3
Departamento B 2 4
Departamento C 5 2
Si el departamento A tiene disponibles 60 horas, el departamento B

80 horas y el departamento C 100 horas. Represente gráficamente la
solución asociada a este problema.
25.Una compañía de electrodomésticos se encarga de distribuír dife- Programa lineal

rentes productos por la ciudad de Bogotá. Para esto requiere de Modelo
matématico que
tres etapas: almacenamiento, empaque y transporte. La empresa tiene una función
distribuye dos clases de equipos de sonido: A, B; la siguiente tabla Objetivo lineal
muestra los diferentes tiempos para cada una de las actividades. para optimizar,
sujeto a un
Almacenamiento Empaque Transporte conjunto de
A 5 7 4 restricciones
B 4 7 7 lineales.
258 ALGEBRA LINEAL
Si la empresa asigna 30 horas para el almacenamiento, 40 horas

para el empaque y 60 para el transporte, represente la región factible
en forma gráfica.
4.2 PROBLEMA ESTÁNDAR DE PROGRAMACIÓN

LINEAL (PL) Y MÉTODO GRÁFICO
La programación lineal es una técnica matemática para optimizar,
maximizar o minimizar funciones lineales de varias variables positivas, su-
jetas a unas restricciones determinadas por desigualdades o igualdades.
La programación lineal resuelve problemas determinísticos en la
administración, tales como problemas de costo, utilidad, inversión en
acciones, ingresos; niveles de contaminación en ecología; mezclas en
química; radiación con rayos láser en una operación, etc. Problema
determinístico
La programación lineal sirve como herramienta al administrador o Un problema en
al contador para la toma de decisiones en una empresa, y así manejar el que toda la
información
mejor sus recursos como: número de máquinas, horas de trabajo, horas necesaria para
de ensamble, metros cúbicos de almacenamiento, inventarios, ofertas obtener una
de vendedores, demanda, etc. solución se
conoce con
certeza.
MODELO DE PROGRAMACIÓN LINEAL EN FORMA

GENERAL
La representación general de Modelo PL con n número de varia-
bles de decisión y m + n número de restricciones es:
Función objetivo que hay que maximizar o minimizar según el

caso: z = c1 x1 + c2 x2 + ... + cn xn
Sujeto a las restricciones:

a11 x1 + a12 x2 + ... + a1n xn [<, > =] b1
a21 x1 + a22 x2 + ... + a2n xn [<, > =] b2
..
.
am1 x1 + am2 x2 + ... + amn xn [<, > =] bm
donde x1, x2, ..., xn son todas positivas, es decir xj > 0,

para j = 1, 2, ... n
El problema anterior se puede plantear matricialmente:
Supongamos que queremos maximizar z con unas restricciones

lineales:
LM x OP
1
max z = c1, c2, .. . cn MM xM PP
2
MN x PQ
n
LM a11 a12 L a1n OP LM x OP LMb OP

1 1
sujeta a: MM aM
21 a22 L a2 n
PP MM xM PP ≤ MMbM PP
2 2
Nam1 am2 L amn Q N x Q Nb Q

n m
xj > 0, j = 1, 2, ... n Función objetivo

Es una función
lineal que debe
En forma abreviada tenemos: maximizarse o
minimizarse.
Maximizar z = Ct X
Sujeta a AX 0, j = 1, 2, ... n
Donde:
LM x OP
1
Restricciones de
no negatividad
X= MM xM PP
2
es la matriz columna de variables de decisión
Conjunto de
Nx Q
restricciones que
n
exigen que todas
las variables sean
LMc OP
1
positivas.
C = M M P es la matriz columna de coeficientes de cada variable x

c 2
MNc PQ
n
j
LM a 11 a12 L a1n OP Variables de
A= MM aM 21 a22 L a2 n
PP es la matriz tecnológica. decisión
Una cantidad
Na m1 am2 L amn Q cuyo valor se
puede controlar,
LMb OP
y se determina
1 para solucionar
B = M M P es la matriz columna de recursos disponibles

b 2 un problema de
MNb PQ
n
decisión.
260 ALGEBRA LINEAL
Ejemplo 1. En la empresa La Red de Colombia se producen dos artículos A y B en

dos departamentos I y II, donde existe un número de horas de mano de obra disponibles
por semana en cada departamento, con un margen de utilidad de US$ 5 por unidad de A
y US$ 6 por unidad de B, como lo muestra la tabla siguiente:
Producto A Producto B Horas disponibles

______________________________________________________________________________________________________________________________________
Depto I 6 hrs/unidad 4 hrs/unidad 240
Depto II 8 hrs/unidad 12 hrs/unidad 520
___________________________________________________________________
Utilidad US$ 5 por unidad US$ 6 por unidad
___________________________________________________________________
Se quiere modelar un problema de programación lineal que refleje la situación de la

empresa La Red de Colombia con el fin de conocer el nivel de producción de los artícu-
los A y B, para maximizar la utilidad y manejar adecuadamente las horas disponibles de
mano de obra.
Solución.
1) Definamos primero las variables de decisión:
Sean: x1 : número de artículos del tipo A para producir.
y x2 : número de artículos de B para producir
2) Planteamiento del modelo de P.L.
Si x1 es número de unidades de A con US$ 5 de margen de utilidad (cada unidad),
entonces la utilidad de A es 5x1, de igual forma para el producto B es 6x2. Luego la
Utilidad total z en los dos productos es:
z = 5x1 + 6x2
B
Función objetivo para maximizar
Restricciones.
Departamento 1. El número total de horas en el departamento I para producir los
artículos A y B es 6x1 y 4x2, respectivamente; de tal forma que 6x1 + 4x2 son las horas
totales en dicho departamento. Como no puede excederse de 240 horas semanales en-
tonces la restricción es:
6x1 + 4x2 < 240 horas.
Departamento II. Para este departamento la restricción es:
8x1 + 12x2 < 540 horas.
Sabemos implícitamente que x1 y x2 no deben ser negativas. Al

combinar la función objetivo y las restricciones, el problema se for-
mula así:
Maximizar z = 5x1 + 6x2 Utilidad
Sujeta a: 6x1 + 4x2 < 240 departamento I
8x1 + 12x2 < 540 departamento II
x1 , x 2 > 0
MÉTODO GRÁFICO
El método gráfico es aplicable a problemas de programación li-
neal, donde únicamente intervienen dos variables.
Por éste método se busca maximizar o minimizar una función obje-
tivo sujeto a ciertas restricciones lineales.
La función objetivo z = ax + by con a, b constantes puede ser una
función de utilidad; de costo, ingreso, etc; sujeta a ciertas restricciones
lineales que pueden ser número de máquinas, mano de obra, horas
disponibles en un departamento determinado, metros cúbicos de alma-
cenamiento de materia prima.
Antes de considerar los pasos a seguir en el método gráfico, damos
dos definiciones:
Región factible.
Es el conjunto de todos los puntos del plano cartesiano que sa-
tisfacen todas las restricciones del problema de PL.
Nota: la región factible siempre está ubicada en el primer cuadrante

del plano cartesiano.
Punto de esquina o vértice de la región factible. Puntos esquina

Conjunto de
Es un punto de intersección de dos rectas frontera de la región vértices forma-
factible de un problema de PL. dos por las
intersecciones
de las rectas
Pasos para resolver un problema con método gráfico frontera de la
1) Definir las variables de decisión del problema. Región factible.
2) Plantear o modelar el problema de PL (función, objetivo y
restricciones)
Continúa
262 ALGEBRA LINEAL
3) Graficar cada restricción en un plano cartesiano con el fin de obtener la

región factible.
4) Se determinan las coordenadas (x, y) de cada vértice de región factible.
5) Se sustituyen las coordenadas (x, y) de los vértices en la función objetivo.
6) Se selecciona la solución óptima del problema que produce: o mayor valor de
z ó menor valor de z.
Ejemplo 2. Una fábrica de muebles produce dos tipos de escritorios, Tipo I y Tipo II,
en los departamentos de corte, armado y acabado. El número de horas disponibles en
cada departamento son de 80 h, 220 h y 210 h respectivamente. Las horas que se
requieren en la producción en cada departamento para cada tipo de escritorio se da en la
siguiente tabla:
Corte Armado Acabado

Tipo I 1h 3h 2h
Tipo II 1h 2h 3h
Si la utilidad para cada unidad de escritorios del Tipo I y del Tipo II son US$ 5 y US$ 6
respectivamente. ¿Cuántas unidades de cada tipo se deben fabricar mensualmente para
maximizar la utilidad y cuál es dicha utilidad? ¿Cuántas horas no se utilizan en los depar-
tamentos?
Solución.
1 ) Definición de las Variables de Decisión
Sea x1 : número de escritorios del tipo I
x2 : número de escritorios del tipo II
2) Planteamiento del problema
Si 5x1 y 6x2 es la utilidad que dejan los escritorios Tipo I y Tipo II respectivamente,
entonces la utilidad total es Z = 5x1 + 6x2; como queremos Maximizar Z se le
antepone la palabra Maximizar a la función objetivo:
Maximizar : Z = 5x1 + 6x2
Restricciones.
Restricción Departamento de Corte
El total de horas en el departamento de corte es: x1 + x2, pero hay disponible 80 horas
para el departamento de corte, luego la restricción es la siguiente:
x1 + x2 < 80
De manera análoga se plantea la restricción del departamento de

armado:
3x1 + 2x2 < 220
Ahora la restricción del departamento de acabado es:
2x1 + 3x2 < 210
Además las variables de decisión x1 y x2 son no negativas x1 > 0, x2 > 0.
De esta manera la formulación del problema de la fábrica de muebles es:
Sujeto a:
x1 + x2 < 80 → departamento de corte
3x1 + 2x2 < 220 → departamento de armado
2x1 + 3x2 < 210 → departamento de acabado
x1, x2 > 0
Gráfica de No Negatividad
Gráfica de
negatividad
Conjunto
de puntos
del plano
Tipo II
cartesiano
ubicados en
el primer
cuadrante.
Tipo I
Restricción 1.
Departamento de corte: x1 + x2 < 80
Graficamos la recta x1 + x2 = 80 que es la frontera de la región
correspondiente a la desigualdad.
• Si x1 = 0 entonces x2 = 80; la recta pasa por (0,80) en el eje x2.
• Si x2 = 0 entonces x1 = 80; la recta pasa por (80,0) en el eje x1
264 ALGEBRA LINEAL
De esta manera la gráfica es:
Restricción 2.
Departamento de armado: 3x1 + 2x2 < 220
Hacemos las siguientes consideraciones:
• Si x1 = 0 entonces 2x2 = 220 o sea x2 = 110 y la recta frontera pasa por (0,110) en el
eje x2
• Si x2 = 0 entonces 3x1 = 220 o sea x1 = 73.3 y la recta pasa por (73.30) en el eje x1
De esta manera la gráfica es:
Restricción 3.
Departamento de acabado: 2x1 + 3x2 < 210
• Si x1 = 0 entonces 3x2 = 210 o sea x2 = 70 y la recta pasa por (0,70) en el eje x2.
• Si x2 = 0 entonces 2x1 = 210 o sea x1 = 105 y la recta pasa por (105,0) en el eje x1
Al unir simultáneamente las tres restricciones en un mismo plano cartesiano, obtene-

mos la región factible.
Departamento de armado
Departamento de corte
Tipo II
Departamento de acabado
Región
factible
Tipo I
266 ALGEBRA LINEAL
La región factible conforma un polígono de 5 lados.
B
Tipo II
A E
Tipo I
Ahora que se ha identificado la región factible y cualquiera de los

vértices A, B, C, D, E es un punto de la solución factible.
Vamos a determinar cuál de los vértices genera el mejor valor para
la función objetivo; un método para esto es darle un valor arbitrario a Z
para identificar las soluciones factibles de (x1, x2 ) que generan el valor
dado a Z.
La pregunta es: ¿ Qué solución factible produce por ejemplo una
Utilidad de $ 200 ? Es decir 5x1 + 6x2 = 200.
Solución factible
Una solución que
satisface todas
las restricciones.
B
Tipo II
C 5x1+6x2=200
A E
Tipo I
Como el objetivo es obtener una solución factible que produzca la

mejor utilidad posible, se seleccionan mayores utilidades, por ejemplo
$240, $ 360 de esta manera debemos evaluar (x1, x2 ) que están sobre
las rectas:
5x1 + 6x2 = 240
5x1 + 6x2 = 360
Graficando las rectas anteriores obtenemos lo siguiente:
5x1+6x2=360
B
5x1+6x2=240
Tipo II
C
5x1+6x2=200
A E
Tipo I
La pregunta que nos hacemos es: ¿Será que se puede encontrar

una solución factible que produzca la mayor utilidad posible?
En el gráfico anterior observamos que las rectas son paralelas y se ale-
jan cada vez más del origen de tal manera que la utilidad va aumen-
tando.
Visualizando mejor la situación anterior observamos que el valor de
la función objetivo Z = 5x1 + 6x2 aumenta a medida que las rectas se
alejan del origen.
Ahora despejemos x2 en función de x1 y de Z en las ecuaciones
anteriores, dejando a x2 como variable dependiente y a x1 como varia-
ble independiente.
Solución óptima
5
para Z = 200 x2 = − x1 + 33,3
Punto de la
6 región factible
que tiene el
5
para Z = 240 x2 = − x1 + 40 mejor valor de la
6 función objetivo.
5
para Z = 360 x2 = − x1 + 60
6
268 ALGEBRA LINEAL
Observamos que la pendiente m = − 56 es la misma para todas las

rectas de utilidad; de esta manera las rectas son paralelas y x2 aumen-
ta cada vez que las rectas se alejan más del origen generando mayores
utilidades.
Si continuamos con el proceso de alejar las rectas cada vez más del
origen generando mayores utilidades, llegará un momento en que las
rectas se salen de la región factible; como los puntos fuera de la región
factible no nos interesan, entonces el punto de la región factible que se
encuentra en la recta de utilidades “más alta” será el punto que optimiza
el problema y por lo tanto genera mayor utilidad para la compañía, en
este caso es el vértice C.
Observemos la siguiente gráfica:
5x1+6x2=450
5x1+6x2=360
B
5x1+6x2=240 Utilidad
Tipo II
C Viene dada por la

5x1+6x2=200 diferencia entre
el ingreso menos
el costo total.
D
A E
Tipo I
Nota: es importante saber que el proceso anterior sirve para determi-

nar el vértice de la región factible que genera el mejor valor de la función
objetivo, pero la gráfica presenta limitaciones para encontrar los valo-
res de x1 y x2; de tal manera que este proceso no es cómodo para
obtener la solución en un problema de programación lineal con dos
variables.
DETERMINACIÓN DE LA SOLUCIÓN ÓPTIMA

ALGEBRAICAMENTE
Como observamos en la gráfica anterior, el vértice C es donde se
encuentra la solución óptima del problema, es la intersección de las
fronteras correspondientes a las restricciones del departamento de corte
y acabado.
Para hallar las coordenadas del vértice C, resolvemos el siguiente sistema de

ecuaciones:
x1 + x2 = 80 E1: departamento de corte
2x1 + 3x2 = 210 E2: departamento de acabado
Despejando x1 en la ecuación E1 tenemos:
x1 = 80 – x2 E3
Ahora sustituimos la expresión correspondiente a x1 en la ecuación E2 y obtenemos:
2(80 – x2) + 3x2 = 210 E4
Despejando x2 en E4 ; x2 = 50
Ahora sustituimos el valor de x2 = 50 en E3.
x1 = 80 – x2
x1 = 80 – 50
x1 = 30
Luego x1 = 30
El resultado anterior significa que se deben producir 30 escritorios Tipo I y 50 escri-
torios Tipo II para obtener la utilidad máxima. Además reemplazamos (x1, x2 ) = (30,50)
en la función objetivo.
Z = 5x1 + 6x2
Z = 5(30) + 6 (50)
Z = 150 + 300
Z = 450
Por lo tanto la utilidad máxima es de US$ 450
Manejo de los recursos

Otra pregunta del problema es: ¿Existen horas no utilizadas en algún departamento?
Solución. Reemplazamos en las restricciones del problema los valores
(x1, x2) = (30, 50). Tomemos la restricción del departamento de corte:
x1 + x2 < 80
(30) + (50) = 80
Significa que utilizamos todas las 80 horas en este departamento para la producción.
De igual forma con las demás restricciones, para elaborar la siguiente tabla:
270 ALGEBRA LINEAL
Horas Horas Horasno

Departamentos
requeridas disponibles utilizadas
Corte 30 + 50 = 80 80 0
Armado 3(30) + 2(50) = 190 220 30
Acabado 2(30) + 3(50) = 210 210 0
Toma de decisión
Se deben producir 30 escritorios Tipo I y 50 Tipo II, sobran 30 horas
en el departamento de armado, se obtiene una utilidad máxima de $450
y en el departamanto de corte y acabado se utilizan todas las horas
disponibles que son 80 y 210 respectivamente.
Teorema de programación lineal

Consideremos una función objetivo de dos variables, sujeta a
ciertas restricciones lineales, las cuales generan como región
factible un polígono regular convexo. El valor máximo o mínimo
de la función objetivo, se encuentra en uno de los vértices de la
región factible.
Otro método de solución

Este método consiste en buscar los valores (x1, x2) en los vértices
de la región factible y reemplazarlos en la función objetivo.
Ejemplo 3. Retomando el problema anterior Toma de
decisión
Maximizar: z = 5x1 + 6x2 Decisión
que se toma e
x1 + x2 < 80 → Departamento de corte involucra
estrategias y
3x1 + 2x2 < 220 → Departamento de armado políticas
2x1 + 3x2 < 210 → Departamento de acabado para una
organización.
x1, x2 > 0
El método consiste en dibujar la región factible, luego calcular las

coordenadas de los vértices de la región, para sustituir los valores en z
(función objetivo), y optimizar el problema de PL.
Vértices de la región factible
B
Tipo II
A E
Tipo I
Los vértices son: A(0, 0), C(30, 50), B(0, 70) y E(73.3, 0)
Falta por conocer el vértice D, que es la intersección entre las
fronteras de las regiones correspondientes a las restricciones del de-
partamento de armado y el departamento de corte.
Las restricciones son: x1 + x2 < 80
Vértices de una
3x1 + 2x2 < 220 región
Son los puntos
Las fronteras son: x1 + x2 = 80 E1 extremos de una
3x1 + 2x2 = 220 E2 región factible.
Se calculan los valores de (x1, x2) simultáneamente. Multiplicamos

por (–3) a E1, sumando término a término con E2.
–3x1 – 3x2 = –240
3x1 + 2x2 = 220
___________________
–x2 = – 20
x2 = 20
Sustituyendo el valor de x2 = 20 en E1:
x1 + 20 = 80
x1 = 60
Luego las coordenadas de D son: (60,20)
272 ALGEBRA LINEAL
Vértice (x, y) Utilidad Z = 5x1 + 6x2

A(0, 0) 5(0) + 6(0) = 0
B (0,70) 5(0) + 6(70) = 420
C (30,50) 5(30) + 6(50) = 450
D ( 60, 20) 5(60) + 6(20) = 420
E (73.3, 0) 5(73.3) + 6(0) = 366.6
La máxima utilidad es de $ 450 cuando se producen 30 unidades del Tipo I y 50

unidades del Tipo II.
Problema de mínimo con el método gráfico

Una compañía farmacéutica necesita tres productos químicos A, B, C, con el fin de
producir una droga para la hepatitis B. Las necesidades mínimas son de 80 unidades de
A, 160 de B, y 200 de C. Según la lista de proveedores de la compañía eligen dos marcas
de preferencia por su calidad y bajo precio. MI cuesta US$ 2 la unidad y contienen 1
unidad de A, 3 de B y 5 de C. La marca MII cuesta US$ 2 la unidad y contiene 2
unidades de cada producto.
• ¿Cuántas unidades deben comprar de cada marca con el fin de minimizar el costo?
• ¿Cuál es el costo mínimo?
La información se resume en la siguiente tabla :
Marca Producto Costo / Unidad

A B C
MI 1 3 5 US$ 2
MII 2 2 2 US$ 2
Requerimiento mínimo 80 160 200
Solución. Primero se definen las variables de decisión

Sea x1 : número de unidades de MI
x2 : número de unidades de MII.
Según los datos del problema se debe minimizar el costo C = 2x1 + 2x2, Además el
número de unidades de las marcas MI y MII no puede ser negativos. Concluímos que:
x1 > 0 y x2 > 0
Restricción producto A:
El producto A requiere de x1 unidades de MI y 2x2 unidades de MII la suma de las
dos expresiones anteriores requiere como mínimo 80 unidades de A. Luego la restric-
ción se modela como: x1 + 2x2 > 80.
De forma análoga las restricciones para los productos B y C son:

3x1 + 2x2 > 160 y 5x1 + 2x2 > 200.
Resumiendo el modelo de programación de PL con función objetivo y res-
tricciones es así:
Minimizar : C = 2x1 + 2x2
Sujeta a: x1 + 2x2 > 80 (1) Producto A
3x1 + 2x2 > 160 (2) Producto B
5x1 + 2x2 > 200 (3) Producto C
x1 > 0, x2 > 0
Solución.
i) Graficamos las restricciones
Restricción (1)
(1) x1 + 2x2 > 80 graficamos la frontera x1 + 2x2 = 80
• Si x1 = 0 entonces 2x2 = 80, x2 = 40, la recta pasa en el eje x2 en (0, 40).
• Si x2 = 0 entonces, x1 = 80, la recta pasa en el eje x1 en (80,0) .
x1+2x2 ³ 80
Restricción (2) 3x1 + 2x2 > 160

Dibujamos la frontera de la región que consiste en 3x1 + 2x2 = 160
Hacemos las siguientes consideraciones:
• Si x1 = 0 entonces, 2x2 = 160, x2 = 80; luego la recta corta al eje x2 en (0,80).
• Si x2 = 0 entonces, 3x1 = 160, x1 = 160
3
≈ 53.3; la recta corta al eje x1 en (53.3, 0).
274 ALGEBRA LINEAL
3x1+2x2 ³ 160
Restricción (3) 5x1 + 2x2 > 200

La frontera es 5x1 + 2x2 = 200
• Si x1 = 0 entonces 2x2 = 200, x2 = 100; la recta corta al eje x2en (0,100).
• Si x2 = 0 entonces 5x1 = 200, x1 = 40; la recta corta al eje x1en (40, 0).
5x1+2x2 ³ 200
Graficando las 3 regiones en un solo plano cartesiano.

Región Factible
Obtenemos cuatro vértices A, B, C, D en la región factible; reemplazamos las coor-

denadas de cada vértice en la función de costo C = 2x1 + 2x2 con el fin de conocer cuál
es el vértice donde se obtiene el costo mínimo de la compañía.
Sabemos que en el vértice A (0,100) el costo es: C = 2(0) + 2(100) = 200
Significa que no hay que comprar unidades de MI y se deben comprar 100 unidades de MII.
Vértice D(80, 0); C = 2(80) + 2(0) = 160
No conocemos las coordenadas de los vértices B y C
Vértice B
Es la intersección de las fronteras de las restricciones (2) y (3).
3x1 + 2x2 = 160
5x1 + 2x2 = 200
Donde x1 = 20 y x2 = 50, luego el costo correspondiente es:
C = 2(20) + 2(50)
C = 40 + 100
C = 140
Vértice C
Es la intersección de las fronteras de las restricciones de (1) y (2)
x1 + 2x2 = 80
3x1 + 2x2 = 160
276 ALGEBRA LINEAL
Donde x1 = 40 y x2 = 20
Luego el costo es: C = 2(40) + 2(20)
C = 80 + 40 = 120
Tabla de costos
Vértice ( x, y ) Costo C = 2 x1 + 2 x2
A (0, 100) C = 2(0) + 2(100) = 200
B ( 20,50) C = 2(20) + 2(50) = 140
C (40,20) C = 2(40) + 2(20) = 120
D ( 80,0) C = 2(40) + 2(20) = 160
Manejo de recursos
Como el costo mínimo es de US$ 120 en el vértice C de coordenadas (40,20), reem-
plazamos estos valores en las restricciones para determinar los recursos sobrantes de la
compañía.
Productos Restricciones Requerimientos Sobrante en recursos

A 40 + 2(20) 80 0
B 3(40) + 2(20) 160 0
C 5(40) + 2(20) 200 40
Toma de decisión
Se deben comprar 40 unidades de MI y 20 unidades de MII para un costo mínimo de
US$ 120 sobrando 40 unidades del producto C, y utilizando 80 de A y 160 de B.
EJERCICIO 4.2
Calcule el valor máximo de la función objetivo Z sujeta a las restricciones dadas.
1. Z = 3x + 2y; x > 0, y > 0, x + y < 5
2. Z = 3x + 2y; x > 0, y > 0, 2x + y < 4, x + 2y < 5
3. Z = 5x + y; x > 0, y > 0, 3x + y < 7, x + y < 3, x + 2y < 5
Calcule el valor mínimo de la función objetivo Z sujeta a las restricciones dadas.

4. Z = x + y; x > 0, y > 0, x + 3y > 6, 2x + y > 7
5. Z = x + 4y, 0 < x < 4, 0 < y < 4, 5 < x + y < 7
6. Z = x + 2y; x > 0, 2x + y > 7, 2y – x > –1, 2x – y > –3
7. Una distribuidora de frutas tiene una máquina exclusivamente para cítricos, en parti-
cular, para el jugo de naranja y de limón.
La máquina opera 150 horas a la semana destilando jugos de naranja o de limón en
concentrados y puede destilar jugo de naranja a un ritmo de 50 galones por hora
produciendo 35 galones de concentrado, o 40 galones de jugo de limón produciendo
20 galones de concentrado.
Hasta 200 galones de concentrado pueden almacenarse en tanques separados des-
pués de su procesamiento. La ganancia neta por cada galón de jugo de naranja pro-
cesado es US$ 1.10 y del jugo de limón es US$ 0.8
Determine el numero de galones de jugo de naranja y de limón por destilar para
maximizar la ganancia neta.
8. Una empresa de sillas para oficina, fabrica dos tipos de silla: silla ergonómica y silla
normal. Para la construcción de una silla se requiere pasar por cuatro departamentos:
departamento de ensamble, de tapizado, de color y de terminado. El departamento de
ensamble tiene disponibles 1000 horas, tapizado 450 horas, color 2000 horas, y termi-
nado 150 horas. Los requerimientos de producción y utilidades por silla se muestran
en la tabla siguiente:
Tiempo de producción
Ensamble Tapizado Color Terminado Utilidad / silla

Silla normal 2 1 4 1 15
4
Silla ergonómica 3 1 6 1 20
2
a Si la empresa quiere maximizar la utilidad, ¿cuántas sillas de cada modelo debe

fabricar?
b. ¿Cuál es la utilidad?
9. En una fábrica de camisas se confeccionan dos tipos de camisas: camisa informal y

formal; la utilidad por cada camisa formal es de US$ 20 y por cada camisa informal
es de US$ 10. Para llevar a cabo la fabricación de una camisa requiere que ésta pase
por cuatro departamentos: diseño, tallaje, estampado y terminado. Se tienen disponi-
bles 400 horas de tiempo en el departamento de diseño, 300 horas en tallaje, 500
horas en estampado y 200 horas en terminado.
278 ALGEBRA LINEAL
En la siguiente tabla se muestran los requerimientos de mano de obra por unidad en

cada uno de los departamentos.
Camisa formal Camisa informal

Depto diseño 1 2.50
Depto tallaje 3 .
125
Depto estampado 4 3.25
Depto terminado 3.5 2.5
Si la empresa desea maximizar la utilidad responda:

a. ¿Cuál es el modelo de programación lineal para este problema?
b. ¿Cuántas camisas de cada clase debe fabricar para obtener la utilidad máxima y
cuál es esta utilidad?
10.La empresa Ambientes y Aromas fabrica dos tipos de ambientadores. denominados

ambientador suave y ambientador clásico. Cada uno de los ambientadores es fabri-
cado con dos componentes distintos de aromas naturales.
En este momento existen disponibles 600 libras de aroma natural con olor a rosa y
800 libras de aroma natural con olor a sándalo. Cada libra de ambientador suave
3 5
utiliza 4 de libra de aroma natural con olor a rosa y 4
de libra de aroma natural con
olor a sándalo. Cada libra de ambientador clásico utiliza 3 de libra de aroma natural
5
con olor a rosa y 41 de libra de aroma natural a sándalo. Ademas existe un límite
sobre la disponibilidad de materiales de empaque que restringe la producción de
ambientador suave a un máximo de 800 libras.
Si la contribución a las utilidades de cada producto es de US$ 3 por libra, ¿Cuántas
libras de cada producto se deben fabricar?
11. Una pizzería fabrica y vende pizzas, la empresa obtiene utilidades de US$ 1 por cada
pizza tropical que vende y US$ 2 por cada pizza de carnes que vende. Cada una
incluye una combinación de mezcla de masa y mezcla de carne. En este momento la
empresa tiene 300 libras de masa y 600 libras de carne. Cada pizza tropical utiliza 4
libras de masa y 21 libra de carne, mientras que cada pizza de carne utiliza 2 libras de
masa y 5 libras de carne. ¿Cuántas pizzas de cada clase deben venderse con el
objetivo de maximizar la utilidad?
12.Una compañía automotriz produce automóviles tipo sedan y tipo deportivo, cada uno
de los cuales debe pasar por dos departamentos de producción. La compañía está en
capacidad de producir diariamente 70 automóviles tipo sedan y 50 automóviles tipo
deportivo. En el departamento A se ensamblan los motores; en este departamento los
automóviles sedan requieren 1 hora de trabajo y los deportivos 2 horas. Actualmente

en el departamento A se pueden asignar un máximo de 120 horas de trabajo por día
a la producción de ambos tipos de automóviles. En el departamento B se ensambla el
chasis; en este departamento los automóviles sedan requieren 1 hora de trabajo al
igual que los automóviles deportivos; en la actualidad se puede asignar un total de 90
horas de trabajo diario en el departamento B para la producción de ambos tipos de
automóviles. La utilidad de cada automóvil sedan y deportivo es de US$ 1500 y
US$ 2000 dólares respectivamente. Si la compañía puede vender todos los automóvi-
les que produzca, ¿Cuál debe ser el plan de producción diaria para cada automóvil?
13.Una empresa produce dos tipos de metales denominadas E-9 y F-9. El tipo de metal
E-9 se fabrica para uso de la compañía. El tipo de metal F-9 se destina unicamante a
labores especiales . Los dos tipos de metales se producen en dos departamentos A y
B. Haciendo uso de las predicciones económicas para el próximo mes, el gerente de
mercadeo de la empresa cree que durante este periodo será posible vender todos los
metales E-9 y F-9, que la empresa pueda producir. La administración debe ahora
recomendar una meta de producción para el próximo mes. Es decir, ¿ Que cantidad
de metales E-9 y F-9 deben producirse (en toneladas), para que la utilidad sea máxi-
ma?
La utilidad por cada tonelada que se venda del metal E-9 será de US$ 5 000, y por
cada tonelada de F-9, US$ 4 000.El número de horas para producir cada tonelada de
E-9 y F-9 en los departamentos A y B, se muestran en la siguiente tabla:
Departamento Horas
Para losE − 9 Para losF − 9 Total disponible
A 10 15 150
B 20 10 160
Con el objeto de mantener su posición actual en el mercado, la gerencia ha determi-

nado que para la política de operación es necesario producir una tonelada de F-9 por
cada tres de E-9. Además se sabe que un comprador ordenará por lo menos 5 tone-
ladas en la producción total de E-9 y F-9. para el proximo mes
14.Mezcla de ingredientes. Una heladería fabrica helados de diversos sabores, entre

ellos, sabor a guanabana y sabor a melocotón. La heladería obtiene utilidades de US$ 1
por cada helado de guanabana y de US$ 1.50 por cada helado de melocotón que se
fabrica. Cada helado es una combinación de mezcla de frutas naturales y frutas en
conserva. En estos momentos la heladería tiene 150 libras de fruta natural y 50 libras
de fruta en conserva. Cada helado de guanabana utiliza una libra de fruta natural y 41 de
libra de fruta en conserva; cada helado de melocotón utiliza una libra de fruta natural
280 ALGEBRA LINEAL
y media libra de fruta en conserva. Con base en las demandas pasadas la heladería
estima que puede vender cuando menos 50 helados de guanabana y cuando menos
25 helados de melocotón. ¿ Cuántos helados de guanabana y cuántos de melocotón
debe producir con objeto de maximizar las utilidades?.
15.Cultivos. En la ciudad de Tunja (Colombia) se cultiva papa y maíz, en 500 m2 de

terreno. Cada metro cuadrado cultivado de papa produce utilidad de US$ 100, y cada
metro cuadrado de maíz produce una utilidad de US$ 200. Debido a un programa del
gobierno no se pueden plantar más de 200 m2 de papa. Durante la época de la siem-
bra, se dispondrá de 1200 horas de tiempo para sembrar. Cada metro cuadrado de
papa requiere de 2 horas de trabajo mientras que cada metro cuadrado de maíz
requiere 6 horas. ¿Cuántos metros cuadrados de papa y cuántos de maíz se deben
plantar con el objeto de maximizar la utilidad?
16.Producción. La empresa Phisics electronics, se encarga de construir dos tipos de

parlantes de alta potencia para automóviles: con sonido periférico (SP) y con sonido
normal (SN). Las contribuciones a las utilidades de los dos productos ( determinadas
por el departamento de contabilidad) son de US$ 10 y US$ 12 respectivamente. Los
productos pasan a través de tres departamentos de producción en la planta. El tiempo
requerido para fabricar cada producto y el tiempo total disponible en los respectivos
departamentos se muestran en la siguiente tabla:
Horas / hom. Horas / hom. Horas / hom.

Departamento SP SN Por mes
1 2 3 1500
2 3 2 1500
3 1 1 600
Los administradores de la empresa desean determinar la mezcla de producción de los

dos productos que maximize las utilidades.
17.Venta de bebidas. En la isla de San Andrés ( Colombia ) hay una tienda muy famosa
que vende bebidas para las personas que van de excursión por la isla. La marca es
Isleña A e Isleña B tienen un margen de utilidad de 5 centavos de dólar por lata y 3
centavos por lata respectivamente. En promedio, la tienda no vende más de 500 latas
de ambas bebidas al día. Aun cuando Isleña A es una marca más conocida, los
clientes tienden a comprar más latas de la bebida Isleña B, porque es considerable-
mente más económica. Se calcula que las ventas de la marca Isleña B corresponden
por lo menos al doble de las ventas de Isleña A . Sin embargo, la tienda vende como
mínimo 100 latas al día de Isleña A. ¿Cuantás latas de cada marca debe tener en
existencia la tienda diariamente, para maximizar la utilidad?
18.Fábrica de muebles Madera y madera tiene como proyecto fabricar mesas y sillas.
Para ello emplea cuatro ebanistas durante 10 días en el departamento de ensamble.
Se requieren 2 horas para ensamblar una mesa y 30 minutos para ensamblar una
silla. Comúnmente los clientes compran entre cuatro y seis sillas con cada mesa, Las
utilidades son de US$ 135 y US$ 50 por mesa y por silla respectivamente. Si la
empresa opera en turnos de 8 horas al día.
Determine gráficamente la mezcla de producción óptima de los 10 días.
19.Una fiduciaria asignará un máximo de US$ 400.000 para préstamos personales y

para automóviles en el próximo mes. El banco cobra 28% por préstamos personales
y 24% por préstamos para vehículo, ambos tipos de préstamo se liquidan por períodos
anuales. Normalmente la fiduciaria asigna cuando menos el doble a los préstamos
personales que a los préstamos para automóviles. Determine la asignación óptima de
los fondos para los tipos de préstamos y a la tasa neta de utilidad que obtendrá el
banco por concepto de todos los préstamos.
282 ALGEBRA LINEAL
4.3. PROBLEMAS CON MÚLTIPLES SOLUCIONES NO ACOTADOS Y

DEGENERADOS.
Analizaremos tres situaciones especiales que pueden surgir cuando se intenta resol-
ver un problema de programación lineal.
CASO I. Soluciones óptimas - múltiples

En algunas ocasiones una función objetivo alcanza el valor óptimo en más de un
vértice de la región factible, en cuyo caso se dice que tiene soluciones óptimas
múltiples o alternativas.
Ejemplo 1.
Sujeta a: –x1 + 4x2 > 8
x1 + 2x2 < 16
x1 , x 2 > 0
Solución.
Representamos la región factible en la siguiente gráfica:
x
1+
2x
2=
16
8
4x 2=
-x 1+
Los vértices son :

Vértice ( x, y ) Funciónobjetivo
A ( 0, 2) Z = 2(0) + 4(2) = 8
B (8,4) Z = 2(8) + 4(4) = 32
C (0,8) Z = 2(0) + 4(8) = 32
Si observamos hay valor máximo 32 en los vértices B y C de coordenadas (8,4) y

(0,8); por lo tanto este problema de programación lineal tiene infinitas soluciones, porque
el valor máximo aparece también en todos los puntos que se encuentran sobre el seg-
mento de vértices B y C.
CASO II. No factibilidad

Ocurre la no factibilidad cuando no existe ninguna solución del problema de pro-
gramación lineal que satisfaga las restricciones, incluyendo la no negatividad
x1, x2 > 0
No hay solución factible.
CASO III No acotamiento.

Una problema de Programación Lineal es no acotado, si el valor de la solución es
tan grande como se quiera.
A lo anterior suele llamársele Utopía Gerencial, ya que las compañías generarían
utilidad máxima ilimitada.
Este problema frecuentemente sucede cuando el problema de PL no está apro-
piado a la realidad, el modelo matemático no es lo suficientemente preciso.
284 ALGEBRA LINEAL
Ejemplo 2.
Maximizar : 40x1 + 20x2
Sujeta a: x1 > 4
x2 < 10
x1, x2 > 0
X2=10
X1=4
Observamos que Z = 40x1 + 20x2 aumenta ilimitadamente a medida que x2 aumen-

ta y así el valor de la función objetivo es tan grande como se quiera. Por lo tanto se dice
que este problema es no acotado.
EJERCICIO 4.3
Grafique y verifique si los siguientes problemas de programación lineal, son de no
factibilidad, tienen soluciones múltiples, o no acotamiento.
1. max Z = 40 x1 + 20 x2
Sujeto a: x1 ≥ 5
x2 ≤ 12
x1 ≥ 0, x 2 ≥ 0
2. max Z = 2x1 + 4x2

Sujeto a: 2x1 − 8x2 ≤ −16
2x1 + 4x2 ≤ 32
x1 ≥ 0
x2 ≥ 0
3. min Z = 8 x1 − 3x2
Sujeto a: − 2 x1 + 6 x2 = 42
x1 + x2 ≤ 4
x1 ≥ 0
x2 ≥ 0
4. min Z = 8 x1 + 16 x2
Sujeto a: 2 x1 + 4 x2 ≥8
10 x1 + 4 x2 ≥ 24
x1 ≥ 0
x2 ≥ 0
5. max Z = 7 x1
Sujeto a: x1 + 2 x2 ≥ 4
5x1 + 2 x2 ≥ 12
x1 ≥ 0
x2 ≥ 0
6. min Z = − 10 x1 − 8 x2
Sujeto a: x1 + 2 x2 ≥ 4
5x1 + 2 x2 ≥ 12
x1 ≥ 0
x2 ≥ 0
1. Graficar el conjunto solución de cada una de los siguientes sistemas de desigualda-
des.
b. y < 2 x + 4 c. 4x + 3y ≥ 12
a. 2 x + 3 y > −6
x ≥ −2 y≥ x
3x − y < 6
y<1 2y ≤ 3x + 6
d. x + y > 1 e. 2 x − 3 y > −12

f. 3x + y > −6
3x − 5 ≤ y 3 x + y > −6
x − y > −5
y < 2x y> x
g. 4 x + 3 y + 12 > 0 h. x + y + 1 ≤ 0 i. x≥0
x + y +1< 0 2x − y + 4 ≥ 0 x−y≥0
286 ALGEBRA LINEAL
k. 2 x − 3y − 6 ≤ 0
j. x≥4 −2 x + 3y − 6 ≤ 0
x + 2y + 8 ≤ 0 l. 3x − 2 y − 6 < 0
2x + 3y − 6 ≤ 0 2 x + 3y − 6 > 0
2x + 3y + 6 ≥ 0
m. 2 x + 3y − 12 ≤ 0
n.5 y − 2 x ≤ 10
2x − 3y − 12 ≤ 0
2x + 3y + 12 ≥ 0
x − 6 y ≤ 12
−2 x + 3y − 12 ≤ 0 y≥0
2. Distribución de materiales. Una compañía tiene 100 toneladas de lámina de alumi-

nio en cierta localidad y 120 toneladas en una segunda localidad. Parte de este mate-
rial debe enviarse a dos obras en construcción. La primera obra requiere 70 tonela-
das y la segunda 90. Denotemos con x y y las cantidades enviadas por la primera
bodega a las dos obras, respectivamente. Determine las desigualdades que x y y
debe satisfacer y represéntelas gráficamente.
3. (Almacenamiento en Bodega). Una compañía puede almacenar como máximo 120
televisores en su bodega. Si mantiene dos modelos almacenados, un modelo A y otro
B. El número de televisores del modelo A no debe ser menor que 40 y el número del
modelo B, no debe ser menor que 30. Represente en forma gráfica los números
posible de modelos que pueden almacenarse.
4. (Asignación a máquinas). Una compañía elabora dos productos, A y B. Cada uno
de estos productos requiere cierta cantidad de tiempo en dos máquinas para su elabo-
ración. Cada unidad del producto A requiere 1 hora en la máquina I, y 2 horas en la
máquina II, cada unidad del producto B demanda 3 horas en la máquina I y 2 horas
en la máquina II. La compañía dispone de 100 horas a la semana en cada máquina. Si
x unidades del producto A y y unidades del producto B se producen a la semana, dé
las desigualdades que satisfacen x y y, y represéntelas en forma gráfica.
5. Si un fabricante desea comprar un total de no más de 100 libras, del producto Z de los
proveedores A y B, plantear un sistema de desigualdades que describa las combina-
ciones posibles de la cantidades que pueden comprar con cada proveedor. Grafique
la solución en un plano.
6. Maximizar: P = 10x + 12y.
Sujeta a:
x + y ≤ 60
x − 2y ≥ 0
x, y ≥ 0
7. Maximizar: Z = 4x _ 6y
Sujeta a:
y ≤ 7
3x − y ≤ 3
x+y ≥ 5
x, y ≥ 0
8. Maximizar: Z = 4x _ 10y
Sujeta a:
x − 4y ≥ 4
2x − y ≥ 2
x, y ≥ 0
9. Minimizar: C = 2x + y
Sujeta a:
3x + y ≥ 3
4 x + 3y ≥ 6
x + 2y ≥ 2
x, y ≥ 0
10.Minimizar: Z = 10x + 2y
Sujeta a:
x + 2y ≥ 4
x − 2y ≥ 4
x, y ≥ 0
11. Minimizar: Z = y _ x
Sujeta a:
x≥3
x + 3y ≥ 6
x − 3 y ≥ −6
x, y ≥ 0
288 ALGEBRA LINEAL
12.Un fabricante produce dos tipos de parrillas para asar carne, Tipo I y Tipo II. Durante
el proceso de producción las parrillas requieren del uso de dos máquinas A y B. El
número de horas que se requieren en cada una se señalan en la tabla que aparece a
continuación. Si puede utilizarse cada una de las máquinas 24 horas al día, y las
utilidades para el Tipo I y la Tipo II son de US$ 4 y US$ 6, respectivamente, ¿Qué
cantidad de cada tipo se debe fabricar diariamente para maximizar la utilidades?
¿Cuál es la utilidad máxima?
Máquina A Máquina B
Tipo I 2h 4h
Tipo II 4h 2h
13.Una dieta debe contener cuando menos 16 unidades de carbohidratos y 20 unidades
de proteínas. El alimento A contiene 2 unidades de carbohidratos y 4 de proteínas, el
B contiene 2 unidades de carbohidratos y 1 de proteínas. Si el alimento A cuesta
US$ 1.20 por unidad y B cuesta US$ 0.80 por unidad. ¿Cuántas unidades de cada
alimento deben adquirirse para minimizar los costos? ¿Cuál es el costo mínimo?
14.Un granjero va a comprar fertilizante que contiene tres ingredientes nutritivos: A, B y
C. Los requisitos mínimos semanales son de 80 unidades de A, 120 de B y 240 de C.
Existen dos marcas usuales de fertilizante en el mercado. La marca I cuesta US$ 4
la bolsa contiene 2 unidades de A, 6 de B y 4 de C. La marca II cuesta US$ 5 la
bolsa, y contiene 2 unidades de A, 2 de B y 12 de C. ¿Cuántas bolsas de cada marca
debe comprar el granjero cada semana para minimizar los costos y satisfacer los
requisitos nutritivos?
15.Una compañía extrae minerales de minas. El número de libras de los minerales A y B
que se pueden extraer de cada toneladada de las minas I y II se presentan en la tabla
que aparece a continuación, junto con los costos por tonelada de éstas. Si la compa-
ñía debe extraer cuando menos 3.000 libras de A y 2.500 de B, ¿Cuántas toneladas
de cada mina se debe procesar para minimizar los costos? ¿Cuál es el costo mínimo?
Mina I Mina II
Mineral A 100 lb 200 lb
Mineral B 200 lb 50 lb
Costo por tonelada $ 50 $ 60
4.4 TALLER DE INFORMÁTICA CON USO DE “EXCEL”

Problema de maximización.
Maximizar: Z = 5x + 6y
Sujeto a: 6x + 4y < 240
8x + 12y < 540
x, y > 0
Utilizaremos lo herramienta “solver” de excel.
1. Escribimos los coeficientes de la función objetivo en las celdas B1, C1
2. Indicamos la primera restricción del problema en el bloque B3 : E3; el símbolo < se
obtiene utilizando la tecla < y luego subrayando el contenido de la celda.
3. Indicamos la segunda restricción del problema en el bloque B4 : E4.
290 ALGEBRA LINEAL
4. Escribimos la fórmula correspondiente a la función objetivo en la celda B8
5. Las celdas B1 y C1 contienen los coeficientes de la función objetivo.

Las celdas B9 y C9 se dejan vacías; cuando excel soluciona el problema los valores
de éstas celdas junto con el valor de la función objetivo cambiarán automáticamente.
La celda B9 contendrá el valor de x, y la celda C9 contendrá el valor de y.
6. Escribimos la fórmula correspondiente al lado izquierdo de la primera restricción en
la celda B10
Las celdas B9 y C9 contendrán los valores de x y y respectivamente y las celdas B3

y C3 contienen respectivamente los coeficientes 6 y 4 de la primera restricción.
7. Escribimos la fórmula correspondiente al lado izquierdo de la segunda restricción en
la celda B11
Las celdas B9 y C9 contendrán los valores de x y y respectivamente y las celdas B4

y C4 contienen respectivamente los coeficientes 8 y 12 de la segunda restricción.
Obtenemos la siguiente presentación en pantalla.
8. Hacemos clic sobre la opción Herramientas del menú principal de excel y a continua-
ción seleccionamos la opción Solver.
9. Al soltar el botón del mouse, obtenemos el siguiente cuadro de diálogo de excel.

292 ALGEBRA LINEAL
10.Llenamos el campo correspondiente a la celda objetivo con $B$8, o teniendo el cursor

ubicado en el campo de la celda objetivo, hacemos clic en la celda B8 de la hoja de excel.
11. Debe seleccionarse la opción Máximo.

12.En el campo Cambiando celdas, escribimos $B$9:$C$9, para indicar las celdas que
contendrán los valores óptimos de x y y.
13.Para incluir la primera restricción, hacemos clic sobre el botón del

cuadro de diálogo.
14.Obtenemos el siguiente cuadro de diálogo.
15.Escribimos en el campo de Referencia de celda $B$10, para indicar la ubicación de

la fórmula correspondiente al lado izquierdo de la primera restricción; otra forma
para indicar la ubicación de esta celda es colocar el cursor sobre el campo correspon-
diente a referencia de celda y en la hoja de excel hacer clic sobre la celda B10 .
16.Debe aparecer en el cuadro de diálogo seleccionado el símbolo

17.Escribimos en el campo de Restricción $E$3, para indicar la ubicación del valor
correspondiente al lado derecho de la primera restricción; otra forma para indicar la
ubicación de esta celda es colocar el cursor sobre el campo correspondiente a “Res-
tricción” y en la hoja de excel hacer clic sobre la celda E3.
18.Hacemos clic sobre el botón del cuadro de diálogo para que excel
acepte los datos y repetimos el procedimiento para incluír la segunda restricción.
294 ALGEBRA LINEAL
19.Escribimos en el campo de Referencia de celda $B$11, para indicar la ubicación de

la fórmula correspondiente al lado izquierdo de la segunda restricción; otra forma
para indicar la ubicación de esta celda es colocar el cursor sobre el campo correspon-
diente a “referencia de celda” y en la hoja de excel hacer clic sobre la celda B11.

21.Escribimos en el campo de Restricción $E$4, para indicar la ubicación del valor
correspondiente al lado derecho de la segunda restricción; otra forma para indicar la
tricción” y en la hoja de excel hacer clic sobre la celda E4.
22.Como no hay más restricciones hacemos clic sobre el botón del cuadro
de diálogo para que excel acepte los datos y obtenemos el siguiente cuadro de diálogo.
23.Para obtener la solución del problema hacemos clic sobre el botón

y obtenemos:
24.Finalmente hacemos clic sobre el botón y el problema queda resuelto.

Los valores de las variables que máximizan la función objetivo y el valor de la fun-
ción objetivo, aparecen en la hoja de excel en las celdas reservadas inicialmente.
En la celda B8 encontramos que el valor máximo es 310.
En las celdas B9 y C9 encontramos que los valores de x y y que maximizan la
función objetivo son 40 y 8.33 respectivamente.
296 ALGEBRA LINEAL
4.5 TALLER DE INFORMÁTICA CON USO DE “QSB”

Problema de maximización.
Maximizar: Z = 5x + 6y
Sujeto a: 6x + 4y < 240
8x + 12y < 540
x, y > 0
1. Al ingresar al programa WinQSB, obtenemos el siguiente menú:
2. Con el mouse hacemos clic sobre la opción:

3. Obtenemos la ventana de inicio de WinQSB, en la cual iniciaremos nuestro trabajo.
4. Hacemos clic sobre el botón de la ventana inicial de WinQSB y obtenemos el

siguiente cuadro de diálogo:
298 ALGEBRA LINEAL
En este cuadro de diálogo introducimos las condiciones iniciales del problema de

programación lineal:
Título del problema:
Número de variables:
Número de restricciones:
Criterio de optimización: maximizar o minimizar.
Tipo de variables:
Variables definidas en los reales y no negativas.
Variables definidas en los enteros y no negativas
Variables definidas en el conjunto {0,1}
Variables sin restricciones.
Formato de entrada de datos:

Forma matricial (Similar a una hoja de cálculo)
Forma normal
En este caso recomendamos la forma matricial.
Después de introducir los datos hacemos clic sobre el botón
5. Obtenemos una matriz en forma de hoja de cálculo, donde debemos escribir los
coeficientes de la función objetivo y los coeficientes de las restricciones, así como
también el signo de desigualdad o de igualdad (<, >, <, >, =) correspondiente a cada
restricción.
j objetivo
Función
Restricciones
6. Para resolver gráficamente el problema hacemos clic sobre el botón del menú
principal de WinQSB.
7. Obtenemos un cuadro en donde debemos indicar la posición en los ejes de nuestras
variables, en éste caso x1 en el eje horizontal y x2 en el eje vertical.
300 ALGEBRA LINEAL
Para continuar hacemos clic sobre el botón y obtenemos la solución

gráfica del problema.
S o lu ció n
R es tricc io n es
F u n ció n O b jetiv o
R eg ió n
F actib le
PROBLEMA DE MINIMIZACIÓN.
Minimizar: Z = 3x + 2y
Sujeto a: x + 2y > 1
2x + y > 2
5x + 4y > 10
x, y > 0
Seguimos los pasos 1, 2, 3, 4 del problema anterior y a continuación introducimos los
datos iniciales del problema de minimización.
5. Obtenemos una matriz en forma de hoja de cálculo, donde debemos escribir los co-
eficientes de la función objetivo y los coeficientes de las restricciones, así como
restricción.
6. Para resolver gráficamente el problema hacemos clic sobre el botón del menú
principal de WinQSB.
7. Obtenemos un cuadro en donde debemos indicar la posición en los ejes de nuestras
variables, en éste caso x1 en el eje horizontal y x2 en el eje vertical.
302 ALGEBRA LINEAL
Para continuar hacemos clic sobre el botón y obtenemos la solución

gráfica del problema.
•
304 ALGEBRA LINEAL
RESUMEN
• George B. Dantzig. Matemático norteamericano creador de la técnica de la

programación lineal, sistematizando un método de Solución General.
• Desigualdades lineales en dos variables. Es una desigualdad que se puede
escribir de las siguientes formas:
ax + by + c < 0
ax + by + c < 0
ax + by + c > 0
ax + by + c > 0
• Recta vertical. Tiene una ecuación de la forma x = d
• Recta horizontal. Tiene una ecuación de la forma y = b
• Recta oblicua. Es una recta que tiene una ecuación de la forma y = mx + b
con m ≠ 0
• Semiplano abierto. Región del plano limitada por una recta que tiene la forma
ax + by + c < 0 ó ax + by + c > 0
• Semiplano cerrado. Corresponde a una desigualdad lineal de la forma
ax + by + c < 0 ó ax + by + c > 0
• Propiedad de las desigualdades. Sean a, b, c, ∈ R, si a bc
• Modelos de programación lineal. Es aquel que tiene una función objetivo y
restricciones que tienen las formas:
Maximizar o minimizar Z = c1x1 + c2x2 + ... + cnxn
Sujeto a
a11x1 + a12 x2 + L + a1n xn ≤ b1

a21x1 + a22 x2 + L + a2n xn ≤ b2
M M
am 1x1 + am 2 x2 + L + amn xn ≤ bm
Con xi ≥ 0 para i = 1 , 2 , . . . , n
• Forma abreviada de un modelo de programación lineal.

Z = CtX
AX 0, j : 1, 2, ..., n
• Región factible. Es el conjunto de todos los puntos del plano cartesiano que
satisfacen todas las restricciones del problema de programación lineal.
• Punto esquina. Es el vértice de la región factible que se forma con la inter-
sección de dos rectas frontera en un problema de Programación Lineal.
• Pasos para resolver un problema con método gráfico:
Paso 1: definir las variables de decisión del problema.
Paso 2: modelar el problema PL (función objetivo-Restricciones)
Paso 3: dibujar la región factible.
Paso 4: determinar los vértices de la región factible (puntos de esquina)
Paso 5: evaluar los vértices (x, y) en la función objetivo.
Paso 6: se selecciona la solución óptima del problema (máximo o mínimo).
• Teorema de programación lineal. Consideremos una función objetivo sujeta
a ciertas restricciones lineales de dos variables, las cuales generan una región
factible. El valor máximo o mínimo de la función objetivo, se encuentra en uno
de los vértices de la región factible.
• Soluciones óptimas-múltiples. Es cuando la función objetivo alcanza el valor
óptimo en más de un vértice de la región factible.
• No factibilidad. Ocurre cuando no existe ninguna solución del problema PL.
• No acotamiento. Ocurre cuando el valor de la solución es tan grande como se
quiera (utopía general).
306 ALGEBRA LINEAL
GLOSARIO
Función objetivo. Expresión matemática que sirve para representar el criterio

destinado a evaluar la resolución de problemas.
Restricciones. Limitaciones que se imponen a un problema.
Solución factible. Una alternativa de decisión o solución que satisface todas las
restricciones.
Solución no factible. Alternativa de decisión o solución que infringe una o más
restricciones.
Toma de decisiones. Proceso para definir un problema, identificar las alternati-
vas, determinar los criterios, evaluar las opciones y elegir una.
Función objetivo. Todos los problemas de programación lineal tienen una fun-
ción objetivo lineal que debe maximizarse o minimizarse. En muchos problemas
de programación lineal, la función objetivo se utiliza para medir utilidades o costos
de una solución específica.
Solución óptima. Una solución factible que maximiza o minimiza el valor de la
función objetivo.
Modelo matemático. Representación de un problema en el que el objetivo y to-
das las condiciones de restricción se describen mediante expresiones matemáti-
cas.
Punto de esquina. Gráficamente hablando los puntos de esquina son puntos de
solución factibles y ocurren en los vértices o "esquinas" de la región factible. En
problemas con dos variables, los puntos extremos se determinan mediante la in-
tersección de las rectas de restricción.
No factibilidad. El caso en el que no existen soluciones para el problema de
programación lineal que satisfagan todas las restricciones.
No acotamiento. Se dice que un problema de maximización de programación
lineal es no acotado, si el valor de la solución puede ser infinitamente grande sin
infringir ninguna de las restricciones.
Variables de decisión. Cantidades desconocidas que deben determinarse en la
solución para un modelo.
Programación lineal. Modelo lineal y determinístico de naturaleza normativa.
Con frecuencia se utiliza par asignar recursos escasos o para obtener mezclas de
productos.
Región factible. Región que satisface todas las restricciones, incluyendo las con-
diciones de no negatividad.
Región de no negatividad. Región en la cual todas las variables son mayores o
iguales que cero.
Vértice. Intersección de dos o más rectas de restricción para formar una esquina
de la región factible.
Planteamiento. Arte de transformar un problema poco estructurado para darle
una forma matemática. Para la programación lineal, la forma matemática se ex-
presa como una función objetivo sujeta a un conjunto definido de restricciones
lineales.
5 Planteamiento de modelos de
programación lineal
En 1936 el matemático ruso Leonid Vitalevich

Kantorovitch publica una extensa monografía titulada
Métodos matemáticos de organización y planificación
de la producción, en que por primera vez se hace co-
rresponder a una extensa gama de problemas una teoría
matemática precisa y bien definida, llamada hoy en día
Programación Lineal.
En 1941-1942 se formula por primera vez el proble-
ma del Transporte, estudiado independientemente por
Koopmans y por Kantorovitch, razón por la cuál se suele Koopmans, Dantzig
conocer con el nombre de problema Koopmans - y Kantorovitch
Kantorovitch, tres años mas tarde, G. Stigler plantea
otro problema particular conocido con el nombre de
Régimen alimenticio optimal.
En los años posteriores a la segunda guerra mundial, en Estados Unidos se asumió
que la eficaz coordinación de todas las energías y recursos de la nación era un proble-
ma de tal complejidad, que su resolución y simplificación pasaba necesariamente por
los modelos de optimización que resuelve la Programación Lineal.
Paralelamente a los hechos descritos se desarrollan las técnicas de computación,
instrumentos que hacen posible la solución y simplificación de los problemas que se
estaban gestando.
En 1947, G.B. Dantzig formula, en términos matemáticos muy precisos el enuncia-
do estándar al que cabe reducir todo el problema de Programación Lineal. Danzig
junto con una serie de investigadores de la fuerza aérea de los Estados Unidos forma-
rían el grupo que se denominó SCOOP (Scientific Computation of Optimun Programs).
310 ALGEBRA LINEAL
MODELOS DE PROGRAMACIÓN LINEAL

Realizar modelos matemáticos de problemas de la vida real es un arte y necesita de
bastante habilidad, la cual se logra poco a poco mediante el análisis de muchos proble-
mas, dedicación y sobre todo paciencia. Cuando queremos utilizar modelos de progra-
mación lineal en la ciencia de la administración, hay una mayor dificultad en el proceso
de planteamiento, que en los demás temas relacionados con el área.
Después de plantear en forma apropiada el problema, se utiliza un programa de
computador para obtener una solución del problema, ya que los métodos vistos hasta el
momento resultan manualmente inoperantes, cuando el problema tiene un gran núme-
ro de variables.
Para plantear un problema de programación lineal es necesario identificar los si-
guientes elementos:
1. Las variables de decisión del problema. Es fundamental dar una definición preci-
sa de cada una de las variables de decisión que intervienen en el modelo, ya que el
planteamiento del problema depende de éstas.
2. La función objetivo. Es una función lineal que se plantea en términos de las varia-
bles de decisión y en muchos casos corresponde a una función de utilidad, costo,
ingreso, tiempo, etc. cuyo objetivo es maximizar o minimizar según las condiciones
del problema.
3. Las restricciones lineales. Están definidas por ecuaciones o inecuaciones donde
están relacionadas las variables de decisión y deben corresponder a todas las condi-
ciones del problema.
4. Las restricciones de no negatividad. Estas restricciones indican que las variables
de decisión toman únicamente valores positivos o cero.
Es posible que en el planteamiento de un problema de programación lineal se en-
cuentren formas alternativas para definir las variables de decisión, para plantear las
restricciones y para definir la función objetivo; en general, existen muchos plantea-
mientos adecuados para un problema específico.
Introducción
En este capítulo mostramos algunos problemas que se pueden

plantear y desarrollar utilizando los métodos de programación
lineal, que sirven como instrumento cuantitativo para el arte de la
toma de decisiones en una compañía y registra formas de mane-
jar los recursos de manera óptima.
Existe gran variedad de aplicaciones de un modelo de programa-
ción lineal, solo mencionaremos algunos problemas de produc-
ción, planeación financiera, mercadotecnia, mezclas químicas para
un producto, problemas de dieta, problemas de transporte,
planeación de personal y aplicaciones contables.
Pretendemos en el capítulo dar algunos aspectos generales que se
deben tener en cuenta para la formulación de un problema de PL
y como emplear los paquetes computacionales Q.S.B. y EXCEL,
para hallar su solución e interpretar los resultados.
Objetivos
• Adquirir destrezas para la formulación de problemas de progra-
mación lineal.
• Aplicar los paquetes computacionales Q.S.B. y EXCEL para
resolver un problema de PL.
• Mostrar algunas aplicaciones a finanzas, nutrición, planeación,
etc.
• Interpretar los resultados de un problema de programación li-
neal para tomar la mejor decisión que optimiza la utilización
de los recursos de una compañía.
312 ALGEBRA LINEAL
5.1 PROBLEMA DE LA DIETA

Un nutricionista está planeando la alimentación para un batallón.
Se sirven 3 alimentos principales, carne, papa, habichuela. Todos ellos
con distinto contenido vitamínico. El nutricionista quiere suministrar
tres vitaminas en la alimentación, con un tamaño de la porción total
de 9 onzas por lo menos. En la siguiente tabla se muestra la cantidad
de vitaminas que proporciona cada onza de alimento:
Vitaminas
Alimento 1 2 3
Carne 50 mg. 20 mg. 10 mg.
Papa 30 mg. 10 mg. 50 mg.
Habichuela 20 mg. 30 mg. 20 mg.
Problema dieta
Los costos por onza de carne, papa, habichuela son US$ 0,10, US$ Problema que
0,15, US$ 0,12 respectivamente. Determinar el número de onzas que consiste en
se requiere para cada alimento, con el objeto de minimizar el costo, si calcular en qué
una persona requiere raciones mínimas diarias de: 290 mg., 200 mg., proporción se
deben combinar
210 mg., para las vitaminas 1, 2 y 3 respectivamente. los distintos
componentes
Solución. Definimos primero las variables
alimenticios de
x1 : número de onzas de carne una comida, con
el fin de
x2 : número de onzas de papa
minimizar los
x3 : número de onzas de habichuela requerimientos
de nutrientes.
La función objetivo es: Minimizar: Z = 0.10x1 + 0.15x2 + 0.12x3
Como se desea proporcionar por lo menos la ración diaria mínima
de cada una de las 3 vitaminas tenemos las siguientes restricciones:
50x1 + 30x2 + 20x3 > 290
20x1 + 10x2 + 30x3 > 200
10x1 + 50x2 + 20x3 > 210
Además se tiene la restricción correspondiente a la porción de ali-
mento que debe ser de 9 onzas por lo menos; esta restricción se expre-
sa como:
x1 + x2 + x3 > 9
Luego el planteamiento del problema de programación lineal es:
Minimizar: Z = 0.10x1 + 0.15x2 + 0.12x3

Sujeto a: 50x1 + 30x2 + 20x3 > 290
20x1 + 10x2 + 30x3 > 200
10x1 + 50x2 + 20x3 > 210
x1 + x2 + x3 > 9
x1 , x 2 , x 3 > 0
Problema de
transporte
Es un problema
para determinar
el plan de costos
mínimos para
embarcar bienes
desde los centros
5.2 PROBLEMA DEL TRANSPORTE de suministros
a centros
Es un problema de programación lineal en donde se deben distri- de demanda.
buir bienes o servicios desde centros de suministros a centros de de-
manda.
Una compañía de electrodomésticos tiene tres fábricas F1, F2, F3
y 4 almacenes de venta D1, D2, D3, y D4; la capacidad máxima men-
sual de producción de electrodomésticos de las fábricas F1, F2, F3, es
10.000, 12.000 y 5.000 unidades respectivamente.
La demanda mensual en los almacenes D1, D2, D3 y D4 es 12.000,
8.000, 4000, 3.000 unidades respectivamente.
Los costos unitarios en dólares de transporte de las fábricas a los
almacenes están dados en la siguiente matriz (en dólares).
Destino
Origen D1 D 2 D 3 D4
F1 8 4 9 16
F2 6 8 20 30
F3 12 15 14 15
El objetivo de la compañía es minimizar el costo de transporte de

tal manera que se verifiquen los requerimientos de los almacenes de
venta.
314 ALGEBRA LINEAL
Solución.
Sea xij : número de electrodomésticos que se deben llevar mensualmente de la fábri-
ca Fi al centro de distribución Dj , dónde i = 1, 2, 3 y j = 1, 2, 3, 4
Planteamiento de la función objetivo: (función de costo)

Vamos a plantear el costo de transporte de la fábrica F1 a los destinos D1, D2, D3 y D4.
Sea x11: número de electrodomésticos enviados de la fábrica F1 al centro de distribu-
ción D1, como el costo de envío por unidad es de 8 dólares, en este caso el costo de
transporte es 8x11; de igual manera para los centros de distribución D2, D3, D4 los costos
de transporte son 4x12, 9x13, 16x14 respectivamente; luego el costo total de transporte
desde F1 a los cuatro almacenes es:
(1) 8x11 + 4x12 + 9x13 + 16x14
análogamente, el costo de transporte desde F2 a los almacenes es:
(2) 6x21 + 8x22 + 20x23 + 30x24
El costo de transporte desde F3 a los almacenes es:
(3) 12x31 + 15x32 + 14x33 + 15x34
El costo total de la compañía de electrodomésticos es la suma de los costos hallados
en (1),(2),(3).
Z = 8x11 + 4x12 + 9x13 + 16x14 + 6x21 + 8x22 + 20x23 + 30x24 + 12x31 + 15x32
+ 14x33 + 15x34
El problema de transporte tiene tres restricciones de oferta; por ejemplo la fábrica F1
ofrece un máximo de 10.000 electrodomésticos a los centros de distribución D1, D2, D3,
D4 por lo tanto x11 + x12 + x13 + x14 que es el total de electrodomésticos enviados a los
cuatro destinos, no debe sobrepasar 10.000 unidades, por lo tanto:
x11 + x12 + x13 + x14 < 10.000
Análogamente para las fábricas F1 y F2 las restricciones de oferta son:

x21 + x22 + x23 + x24 < 12.000
x31 + x32 + x33 + x34 < 5.000
Además existen cuatro restricciones de demanda porque hay 4 centros de distribución:

x11 + x21 + x31 = 12.000
x12 + x22 + x32 = 8.000
x13 + x23 + x33 = 4.000
x14 + x24 + x34 = 3.000
Reuniendo la función objetivo y las restricciones, el problema de Transporte queda

planteado así:
Minimizar: Z = 8x11 + 4x12 + 9x13 + 16x14 + 6x21 + 8x22 + 20x23 + 30x24
+ 12x31 + 15x32 + 14x33 + 15x34
Sujeto a: x11 + x12 + x13 + x14 < 10.000
x21 + x22 + x23 + x24 < 12.000
x31 + x32 + x33 + x34 < 5.000
x11 + x21 + x31 = 12.000
x12 + x22 + x32 = 8.000
x13 + x23 + x33 = 4.000
x14 + x24 + x34 = 3.000
xij > 0 para i = 1, 2, 3 y j = 1, 2, 3, 4
Red de soluciòn:
Solución en QSB:
316 ALGEBRA LINEAL
5.3 PROBLEMA DE ASIGNACIÓN

Una microempresa tiene 3 máquinas A, B y C y 3 operarios. El administrador de la
empresa desea que los operarios trabajen en las tres máquinas, minimizando el tiempo total
de trabajo. Cada operario debe ser asignado a una máquina y cada máquina debe ser ocupada
por un operario. La siguiente tabla nos presenta la distribución de la información acerca del
número de horas que pueden trabajar los operarios en cada una de las máquinas.
Hrs. máquina
Operario A B C
1 10 5 8
2 7 3 4
3 6 2 5
Solución.
Sea xij =
451, si se asigna el operario i a la máquina j
60, en caso contrario i = 1, 2, 3. j = A, B,C
Minimizar: Z = 10x1A + 5x1B + 8x1C + 7x2A + 3x2B + 4x2C + 6x3A

+ 2x3B + 5x3C
Sujeto a:
x1A + x1B + x1C = 1
x2A + x2B + x2C = 1
x3A + x3B + x3C = 1
x1A + x2A + x3A = 1
x1B + x2B + x3B = 1
x1C + x2C + x3C = 1
xij > 0 para i = 1, 2, 3 y j = A, B, C
Solución en QSB:
5.4 PROBLEMA DEL EXCURSIONISTA

Un excursionista desea hacer un viaje a la Sierra Nevada de Santa Marta, y quiere
llevar en su morral los alimentos con el mayor valor nutricional posible. El peso que
puede soportar es de máximo 13 kilogramos. La siguiente tabla nos presenta la informa-
ción acerca de los 5 tipos de alimento que ha seleccionado, cada uno con su respectivo
valor nutricional y peso.
Alimento Valor nutricional Peso ( kg )

1 2 5
2 6 4
3 9 2
4 8 6
5 3 5
Solución. Sea xi =
451 si lleva el alimento i
60 si no lleva el alimento i
Maximizar: Z = 2x1 + 6x2 + 9x3 + 8x4 + 3x5
Sujeto a: 5x1 + 4x2 + 2x3 + 6x4 + 5x5 < 13
xi > 0 para i = 1, 2, 3, 4, 5
Solución en QSB:
318 ALGEBRA LINEAL
5.5 PROBLEMA FINANCIERO (Planes de inversión)

Un fondo de empleados de una universidad hace préstamos para
pregrados, postgrados, vivienda, automóvil, además invierte en el de-
partamento de publicaciones, con el objeto de equilibrar los ingresos.
Actualmente el fondo tiene US $2´000.000 para préstamos e inver-
sión. A continuación mostramos una tabla de tipos de créditos con sus
correspondientes tasas de rendimiento anual. Problema
financiero
Este tipo de
Clase de crédito % rendimiento anual problema
implica situacio-
Crédito para pregrado 0.08 nes de cartera,
Crédito para posgrado 0.10 inversiones en
Crédito de vivienda 0.11 acciones, bonos,
préstamos,
Crédito de automóvil 0.12
generalmente la
Departamento de publicaciones 0.09 función objetivo
es de rendimien-
to o riesgo para
Según los estatutos establecidos por los directivos del fondo de minimizar.
empleados se consideran las siguientes restricciones para efectos de
créditos e inversiones.
• Los créditos de vivienda junto con los créditos de automóvil no
pueden exceder del monto de los fondos que se invierten en el de-
partamento de publicaciones.
• Los créditos para posgrado junto con los créditos para vivienda, no
pueden exceder el monto para los créditos de pregrado.
• Los créditos de automóvil no pueden exceder el 10% de los fondos
que se invierten en todos los créditos (pregrado, posgrado, vivien-
da, automóvil).
• Las inversiones en el departamento de publicaciones no pueden
exceder el 30% de los fondos disponibles.
Modelar el problema de programación lineal de inversión para
maximizar el rendimiento anual total.
Solución. Primero definimos las variables de decisión:
Sean x1 = Dinero destinado a préstamos para pregrado
x2 = Dinero destinado a préstamos para posgrado
x3 = Dinero destinado a crédito para vivienda
x4 = Dinero destinado a crédito para automóvil
x5 = Dinero invertido en el departamento de publicaciones
Planteando las restricciones tenemos:

• Total de dinero en préstamos e inversiones: x1 + x2 + x3 + x4 + x5 = 2`000.000
• Los créditos de vivienda junto con los créditos de automóvil no pueden exceder del
monto de los fondos que se invierten en el departamento de publicaciones.
x3 + x4 < x5
• Los créditos para posgrado junto con los créditos para vivienda no pueden exceder el
monto para los créditos de pregrado.
x2 + x3 < x1
• Los créditos de automóvil no pueden exceder el 10% de los fondos que se invierten
en todos los créditos,
x4 < 0.1 (x1 + x2 + x3 + x4)
• Las inversiones en el departamento de publicaciones no pueden exceder del 30% de
los fondos disponibles,
x5 < 0, 3 (2´000.000)
Función objetivo
Para plantear la función objetivo que representa el rendimiento anual que se debe
maximizar, basta con multiplicar los valores del rendimiento anual 0.08, 0.1, 0.11, 0.12,
0.09 con las variables x1, x2, x3, x4, y x5 respectivamente.
Maximizar : Z = 0.08x1 + 0.10x2 + 0.11x3 + 0.12x4 + 0.09x5
Luego el modelo de programación lineal del problema de inversión es :
Maximizar : Z = 0.08x1 + 0.10x2 + 0.11x3 + 0.12x4 + 0.09x5
Sujeto a: x1 + x2 + x3 + x4 + x5 = 2´000.000
x3 + x4 < x5
x2 + x3 < x1
x4 s< 0.1 (x1 + x2 + x3 + x4)
x5 < 0,3 (2`000.000)
x1, x2, x3, x4 > 0
Organizando el problema anterior haciendo las operaciones correspondiente tenemos:
320 ALGEBRA LINEAL
Maximizar : Z = 0,08x1 + 0,10x2 + 0.11x3 + 0,12x4 + 0,09x5

x1 + x2 + x3 + x4 + x5 = 2.000.000
x3 + x4 – x 5 < 0
–x1 + x2 + x3 <0
– 0.10x1 – 0.1x2 – 0.1x3 + 0.9x4 <0
x5 < 600.000
x1, x2, x3, x4 > 0
Solución en QSB:
5.6 PLANIFICACIÓN DE PERSONAL

Un restaurante de comidas rápidas esta abierto al público las 24
horas, el director de recursos humanos requiere contratar la mínima
cantidad de personal de tal manera que se distribuya en 6 períodos de
4 horas, como se muestra en la siguiente tabla:
Planificación de
Duración decada Númeromínimo de
Período personal
período personasrequeridas Problema de
programación
1 6 am. − 10 am. 27 lineal que
2 10 am. − 2 pm. 30 consiste en
planificar los
3 2 pm. − 6 pm. 52 tiempos de mano
4 6 pm. − 10 pm. 56 de obra, o el
número de
5 10 pm. − 2 am. 67
empleados por
6 2 am. − 6 am. 48 turno, con el fin
de minimizar
cantidad de
personal para
Los turnos de los empleados del restaurante son de 8 horas segui- que el costo sea
das, con 6 cambios posibles de turno en el transcurso de las 24 horas. mínimo.
Los empleados que entran a trabajar a las 6 a.m., deben cubrir los turnos 1 y 2, de 6 a.m.
a 10 a.m. y de 10 a.m. a 2 p.m., entonces definimos como x1: número de empleados en
los períodos 1 y 2, de igual forma:
x2 : número de empleados en los períodos 2 y 3
La tabla que sigue y el gráfico de la página 322 resumen y amplían la información

anterior.
1 2 3 4 5 6
Períodos 6 am. 10 am. 2 pm. 6 pm. 10 pm. 2 am.
10 am. 2 pm. 6 pm. 10 pm. 2 am. 6 am.
x1 x1
x2 x2
Variables x3 x3
x4 x4
x5 x5
x6 x6
No. mínimo de
27 30 52 56 67 48
empleados
Es claro que el número de empleados en el primer período es x1 + x6 y teniendo en

cuenta que en el primer período al menos son 27 empleados, la restricción queda plantea-
da x1 + x6 > 27, análogamente con los demás períodos, por lo tanto las restricciones son:
x1 + x6 > 27 período 1 (6 am - 10 am)
x1 + x2 > 30 período 2 (10 am - 2 pm)
x2 + x3 > 52 período 3 (2 pm - 6 pm)
x3 + x4 > 56 período 4 (6 pm - 10 pm)
x4 + x5 > 67 período 5 (10 pm - 2 am)
x5 + x6 > 48 período 6 (2 am - 6 am)
Como el objetivo es minimizar el número de empleados la función objetivo corresponde
a la suma de los empleados asignados a cada par de períodos consecutivos, es decir:
x1 + x2 + x3 + x4 + x5 + x6
De esta manera el modelo correspondiente al problema de programación lineal de la
planeación de personal es:
322 ALGEBRA LINEAL
Gráfica de requisito mínimo en el período de 4 horas
x6
x6
x5
x1
6:00 am
2 am 10 am
x5 x4 x1 x2
10 am 2 am
6:00 pm
x2
x3
x3
x4
Gráfica de empleados mínimos en cada período
67
60 56
52
50 48
40
30
27
30
20
10
6 am 10 am 2 pm 6 pm 10 pm 2 am 6 am
Minimizar Z = x1 + x2 + x3 + x4 + x5 + x6
Sujeto a: x1 + x6 > 27
x1 + x2 > 30
x2 + x3 > 52
x3 + x4 > 56
x4 + x5 > 67
x5 + x6 > 48
xi > 0 i = 1, 2, 3, 3, 4, 5, 6
Solución en QSB:
5.7 PROBLEMA DE MERCADOTECNIA

La firma Alfa y asociados es una empresa encargada de evaluar la reacción de los
consumidores en servicios, transporte y publicidad.
Una universidad se hace cliente de esta firma y pretende conocer la posición de un
conjunto de personas, con el objeto que se conviertan en usuarios actuales o usuarios
potenciales de este centro académico. Para ello se acordó efectuar entrevistas persona-
les puerta a puerta con el fin de obtener información tanto en hogares que tengan estu-
diantes en bachillerato como bachilleres inactivos académicamente. Además se acordó
realizar entrevistas tanto diurnas como nocturnas.
El contrato hecho por la universidad con la empresa Alfa y asociados exigía realizar
3.000 entrevistas con los siguientes lineamientos.
• Se deben entrevistar como mínimo 600 hogares donde existan estudiantes de bachillerato.
• Se deben entrevistar cuando menos 800 hogares que tengan bachilleres inactivos
324 ALGEBRA LINEAL
académicamente.
• El número de hogares entrevistados durante la noche debe ser por
lo menos igual al número de hogares entrevistados en el día. Problema de
• Por lo menos el 40% de entrevistas con estudiantes de bachillerato mercadotecnia
se realizarán durante la noche. Es un problema
• Por lo menos el 60% de entrevistas con bachilleres inactivos de programa-
ción lineal para
académicamente se realizarán durante la noche. selección de
medios
Las entrevistas en hogares con estudiantes de bachillerato requie- publicitarios ,
ren de tiempo adicional del entrevistador y como a los entrevistadores asignar
nocturnos se les paga más que a los que trabajan de día, el costo de las presupuestos
entrevistas varía según su tipo. pra publicidad,
generalmente
Con base en estudios previos, las estimaciones sobre el costo de las este modelo lo
entrevistas son: requieren
sectores de
medios de
Costos por entrevista comunicación
como prensa,
revistas, radio y
Diurno Nocturno televisión,
Estudiantes de bachillerato US$ 30 US$ 35 generalmente
este problema
Bachillerato no activos académicamente US$ 20 US$ 20 busca
maximizar la
audiencia.
¿ Cuál es el plan de entrevistas que minimiza el costo total?
Sean:
x11: Número de entrevistas en hogares con estudiantes de bachi-
llerato a realizar durante el día.
x12: Número de entrevistas en hogares con estudiantes de bachi-
llerato a realizar durante la noche.
x21: Número de entrevistas en hogares con bachilleres inactivos
a realizar durante el día.
x22: Número de entrevistas en hogares con bachilleres inactivos
a realizar durante la noche.
Los costos por entrevista determinan la siguiente función objetivo:
Minimizar Z = 30x11 + 35x12 + 20x21 + 20x22
Como se deben realizar 3.000 entrevistas tenemos:
x11 + x12 + x21 + x22 = 3.000
Las cinco especificaciones con respecto al tipo de entrevistas son
las siguientes:
• Hogares con estudiantes de bachillerato
x11 + x12 > 600
• Hogares con bachilleres inactivos académicamente.
x21 + x22 > 800
• El número de hogares entrevistados durante la noche debe ser por lo menos igual al
número de hogares entrevistados durante el día.
x12 + x22 > x11 + x21
lo cual lleva a:
– x11 + x12 _ x21 + x22 > 0
• Por lo menos el 40% de entrevistas con estudiantes de bachillerato se realizaran
durante la noche.
x12 > 0.4 (x11 + x12)
De donde:
– 0.4x11 + 0.6x12 > 0
• Al menos el 60 por ciento de las entrevistas en hogares con bachilleres inactivos se
desarrollaron durante la noche.
x22 > 0.6(x21 + x22);
De donde
_ 0.6x + 0.4x > 0
21 22
Por tanto el planteamiento del problema es el siguiente:

Minimizar Z = 30x11 + 35x12 + 20x21 + 20x22
Sujeto a: x11 + x12 + x21 + x22 = 3000
x11 + x12 > 600
x21 + x22 > 800
_x + x _x + x >0
11 12 21 22
_0.4x + 0.6x >0
11 12
_0.6x + 0.4x >0
21 22
xij > 0, i = 1, 2, j = 1, 2
326 ALGEBRA LINEAL
Solución en QSB:
Problema de
5.8 PROBLEMA DE PRODUCCIÓN producción
La empresa Probasic que construye monitores de alta calidad para Problema de
computadoras, contrató a una firma de ingenieros que desarrollen un programación
lineal en donde
estudio sobre la fabricación de tres clases de monitores en los tres
los administra-
meses siguientes. Los monitores se procesan en cinco departamentos dores realizan
diferentes. En este momento la mano de obra disponible estimada es una planeación
limitada y es posible que el lote de producción de los artículos no se para una
lleve a cabo durante los tres meses. Es posible asignar tiempo de mano producción
eficiente a
de obra a los departamentos, de acuerdo al nivel y capacidad de cada costos
uno de los empleados. Se tiene la siguiente información en la tabla a reducidos por
continuación: períodos de
tiempo, niveles
Tabla 1 de producción,
demanda del
producto,
Horasde manode capacidad de
Empleadoscapacitadospara trabajar producción,
obra disponible
capacidad de
mano de obra,
Únicamenteen el departamento 1 300 espacio de
almacenamien-
Únicamenteen el departamento 2 400
to, todo lo
Únicamenteen el departamento 3 600 anterior con el
Únicamenteen el departamento 4 200 fin de minimi-
zar el costo.
Únicamenteen el departamento 5 100
Encualquiera delosdepartamentos1ó 4 900
Encualquiera delosdepartamentos 3 ó 5 800
Encualquiera delosdepartamentos 2 ó 4 700
Encualquiera delosdepartamentos1ó 2 400
Total disponible 4400
Los requerimientos de mano de obra son los siguientes:

Tabla 2. Horas de mano de obra requeridas

por cada monitor en cada departamento
Tipo de monitor
Departamento
1 2 3
1 4 5 7
2 5 6 6
3 6 8 3
4 3 3 8
5 4 5 8
La empresa tiene una utilidad de $60.000 por cada unidad de mo-

nitor tipo 1, $70.000 por cada unidad de monitor tipo 2, $90.000 por
cada unidad de monitor tipo 3. Si el número de horas en cada departa-
mento no pueden variar uno con respecto al otro.¿Cuántas unidades de
cada monitor se puede construir y cuál es la utilidad máxima?
Solución. Primero definimos las variables de decisión:
Sea x1 : Número de monitores tipo 1 a fabricar
x2 : Número de monitores tipo 2 a fabricar
x3 : Número de monitores tipo 3 a fabricar
Ahora definimos las variables de horas disponibles de cada depar-
tamento, puesto que se debe asignar el tiempo respectivo.
Sean: y1: Número de horas a utilizar en el departamento 1
y2: Número de horas a utilizar en el departamento 2
De la tabla 2, planteamos las restricciones de horas de mano de

obra por monitor.
4x1 + 5x2 + 7x3 < y1
5x1 + 6x2 + 6x3 < y2
6x1 + 8x2 + 3x3 < y3
3x1 + 3x2 + 8x3 < y4
4x1 + 5x2 + 8x3 < y5
328 ALGEBRA LINEAL
De igual manera que en la tabla 1 planteamos las restricciones de horas de mano de

obra disponible en cada departamento.
Como y1 es el número de horas disponibles en el departamento 1 y existen 300 horas
disponibles de mano de obra en el departamento 1, para los departamentos 1 o 4 existen
900 horas y para los departamentos 1 o 2 existen 400 horas disponibles, tenemos la
restricción :
y1 < 300 + 900 + 400 = 1600
De manera análoga para los departamentos 2, 3, 4, y 5, las restricciones son :
y2 < 400 + 700 + 400 = 1500
y3 < 600 + 800 = 1400
y4 < 200 + 900 + 700 = 1800
y5 < 100 + 800 = 900, respectivamente
Para el departamento 1 se tienen disponibles 300 horas, para el 4 se tienen 200 horas,
para 1 o 4 se tienen 900 horas, para 2 o 4 se tienen 700 horas, para 1 o 2 se tienen 400 horas,
por lo tanto para los departamentos 1 y 4 disponemos de un total de 300 + 200 + 900 +
700 + 400 = 2.500, por lo tanto, el número de horas y1 + y4 a utilizar en los departamen-
tos 1 y 4, tiene que ser menor a 2 500; se tiene la restricción:
y1 + y4 < 300 + 200 + 900 + 700 + 400 = 2.500
Para los departamentos 3 y 5 no se pueden asignar las 800 horas al mismo tiempo,
luego tenemos:
y3 + y5 < 600 + 100 + 800 = 1.500
Análogamente para las restricciones en los departamentos 2 y 4, 1 y 2 son respecti-
vamente:
y2 + y4 < 400 + 200 + 700 + 900 + 400 = 2.600
y1 + y2 < 300 + 400 + 400 + 900 + 700 = 2.700
Función objetivo
Como la utilidad de cada monitor tipo 1, 2 y 3 es $ 60.000, $ 70.000 y $ 90.000
respectivamente, la función objetivo es:
Maximizar Z = 60.000x1 + 70.000x2 + 90.000x3
Siendo x1, x2, x3, número de monitores tipo 1, 2, 3 es $60.000, $70.000 y $90.000
respectivamente.
De esta manera el modelo de programación lineal para el problema de producción es:

Maximizar Z = 60.000x1 + 70.000x2 + 90.000x3
Sujeto a:
4x1 + 5x2 + 7x3 _y <0
1
5x1 + 6x2 + 6x3 _y <0
2
6x1 + 8x2 + 3x3 _y <0
3
3x1 + 3x2 + 8x3 _y <0
4
4x1 + 5x2 + 8x3 _y <0
5
y1 < 1.600
y2 < 1.500
y3 < 1400
y4 < 1800
y5 < 900
y1 + y4 < 2.500
y3 + y5 < 1.500
y2 + y4 < 2600
y1 + y2 < 2700
xi > 0, para i = 1, 2, 3, para yi > 0, para i = 1, 2, 3, 4, 5
Solución en QSB:
330 ALGEBRA LINEAL
5.9 PROBLEMA DE MEZCLA

Se quiere diseñar un nuevo tipo de placa para construcción, por
ello requiere para su composición una aleación de cuatro materiales Problema de
diferentes de alta calidad y resistencia. Los análisis han demostrado mezcla
que para producir este material con las calidades adecuadas de resis- Este problema se
tencia se debe contar con tres elementos básicos A, B, C. Cada tonela- presenta cuando
un administrador
da de material debe contener por lo menos 10 libras del elemento bá- de una compañía
sico A, por lo menos 200 libras del elemento básico B y al menos 60 decide la forma
libras del elemento básico C. El material de cada uno de los cuatro en que debe
tipos diferentes contiene los tres elementos básicos pero en diferentes combinarse dos
o más recursos
proporciones. Sus composiciones en libras por tonelada se dan en la para fabricar dos
siguiente tabla. o más productos,
es decir cómo
mezclar los
Material 1 Material 2 Material 3 Material 4 ingredientes y
Elemento básico A 20 6 16 4 en qué porcenta-
Elemento básico B 180 300 150 350 je, para obtener
Elemento básico C 90 50 40 74 el producto final,
con el fin
Costo por tonelada 1600 800 1200 1000
de minimizar
el costo.
Hallar la mezcla de materiales que genere el costo mínimo para el
diseño de una placa de construcción.
Variables de decisión:
M1: Fracción de tonelada que se va a tomar del material 1
M4: Fracción de tonelada que se va a tomar del material 4.
Ya que no existen más contribuciones para cada tonelada de la
aleación que los cuatro materiales, tenemos que los aportes fracciona-
rios de éstos deben sumar 1.
M1 + M2 + M3 + M4 = 1 (Ecuación de balance)
Ahora usando los valores escritos en la tabla tendremos:
Las libras de elemento básico A utilizadas en 1 tonelada de mezcla
son:
20M1 + 6M2 + 16M3 + 4M4
El número de libras utilizadas de elemento básico B en una tonela-
da de mezcla son:
180M1 + 300M2 + 150M3 + 350M4
Las libras de elemento básico C en una tonelada de mezcla son:

90M1 + 50M2 + 40M3 + 74M4
Teniendo en cuenta los requerimientos mínimos de cada tipo de material tenemos:
20M1 + 6M2 + 16M3 + 4M4 > 10
180M1 + 300M2 + 150M3 + 350M4 > 200
90M1 + 50M2 + 40M3 + 74M4 > 60
Puesto que el objetivo para este problema es minimizar el costo, tenemos el siguien-
te planteamiento del problema:
Minimizar : Z = 1600M1 + 800M2 + 1200M3 + 1000M4
Sujeto a 20M1 + 6M2 + 16M3 + 4M4 > 10
180M1 + 300M2 + 150M3 + 350M4 > 200
90M1 + 50M2 + 40M3 + 74M4 > 60
M1 + M2 + M3 + M4 =1
M1, M2, M3, M4 >0
Solucionando el problema en WINQSB tenemos:
5.10 PROYECTO DE FINANZAS

En una empresa de fiducia, un cliente posee en este momento 400 millones de dóla-
res para inversión a un horizonte de un año. Durante los próximos 3, 6 y 9 meses, espera
obtener nuevas rentas de inversiones anteriores que también puede disponer para su
reinversión, y los períodos de tiempo con sus correspondientes rentas obtenidas en mi-
llones de dólares, se muestran en la siguiente tabla:
Período 3 meses 6 meses 9 meses

Renta 115 90 82
332 ALGEBRA LINEAL
Los expertos de la empresa han detectado dos proyectos de inversión muy atractivos
que se adaptan bastante bien a sus objetivos. Tales proyectos son:
• Hacerse cargo de la reparación de un lote ligeramente averiado de colectivos con el
fin de explotarlos durante ese primer año como colectivos alimentadores del trans-
porte transmilenio en la ciudad de Bogotá. Los expertos estiman una renta, (en mi-
llones de dólares) para una participación del 100%, dadas en la tabla, donde los
números negativos representan inversiones.
Inversión o renta
Período Inicial 3 meses 6 meses 9 meses 12 meses
Renta − 140 45 − 28 − 100 410
• Gestionar durante el próximo año a una empresa de comunicaciones encargada de

ampliar las redes de fibra óptica en la ciudad de Bogotá, que se encuentra en mala
situación económica y necesita desembolsos iniciales para su reactivación. Debido a
la tendencia del mercado, se espera que esta inversión sea rentable a partir del sexto
mes, tal como se refleja en la tabla que corresponde a la rentabilidad esperada (en
millones de dólares) para su participación del 100%.
Inversión o renta
Período Inicial 3 meses 6 meses 9 meses 12 meses
Renta − 105 −60 225 130 73
La participación en los citados proyectos puede ser inferior al 100%, en cuyo caso
las inversiones y renta se reducirán de manera proporcional. Otras empresas de la com-
petencia están dispuestas a asumir la participación que no cubra la empresa de fiducia.
Al principio de cada período de tres meses, los fondos no dedicados a los proyectos
anteriores se invierten en bonos del tesoro, que producen una renta trimestral del 3%.
¿Cuál debe ser el de inversión para que la renta obtenida al final del año sea la mayor
posible?.
Definimos las variables de decisión:
xcol : Fracción de participación en el proyecto de los colectivos
xcom : Fracción de participación en la empresa de comunicaciones
D1 : Dinero inicial dedicado a bonos
D2 : Dinero disponible a los tres meses para inversión en bonos
D3 : Dinero disponible a los seis meses para inversión en bonos
D4 : Dinero disponible a los nueve meses para inversión en bonos
Con las cantidades Di en millones de dólares.

Las restricciones deben reflejar la relación:
Dinero invertido = dinero disponible
El objetivo de maximizar el dinero disponible al final del período de 12 meses, que
viene dado por:
Z = 410xcol + 73xcom + 1.03D4
Las restricciones expresadas en millones de dólares son:
140xcol + 105xcom + D1 = 400
– 45xcol + 60xcom – 1,03D1 + D2 = 115
28xcol – 225xcom _ 1,03D2 + D = 90
100xcol _ 130xcom _ 1,03D 3 + D = 82
3 4
0 < xcol < 1; 0 < xcom < 1; Di > 0; i = 1, 2, 3, 4
Solución en QSB:
334 ALGEBRA LINEAL
5.11 APLICACIONES CONTABLES

La compañía de gaseosas El Dorado produce tres tipos de gaseosas en dos departa-
mentos que son, gaseosa normal durazno, gaseosa normal soda y gaseosa dietética negra.
El departamento de costo proporciona la siguiente información en entradas y salidas
de ventas con sus costos fijos y variables:
Tipo de gaseosa
Normal durazno Normal soda Dietética negra
Precio de venta $27 $70 $50
Costo variable 10 37 25
Neto $17 $33 $25
=== === ===
Cantidad de ventas 200 100 150
Ventas $5.400 $7.000 $7.500
Costos variables 2.000 3.700 3.750
Costos fijos 500 1.248 1.750
Costo total 2.500 4.948 5.500
Utilidad $2.900 $2.052 $2.000
Teniendo en cuenta que los costos fijos se asignan de acuerdo con las horas de mano
de obra que se requieren en cada variedad de gaseosa, además el tiempo disponible en
cada uno de los departamentos I y II son 2.000 y 2.750 horas de mano de obra respec-
tivamente, en la siguiente tabla se muestran las horas de producción por unidad de
gaseosa en cada departamento.
Tipo de gaseosa
Departamento I 4 10 6
Departamento II 6 2 8
El objetivo del problema de programación lineal es encontrar qué cantidad de pro-

ducción de unidades de gaseosa de cada tipo es necesaria para maximizar la contribu-
ción marginal total sujeto a la mano de obra.
Solución.
Primero calculemos la contribución marginal de cada tipo de gaseosa dependiendo
las variables de decisión
Sea x1: Unidades de gaseosa normal de durazno

x2 : Unidades de gaseosa normal soda
x3 : Unidades de gaseosa dietética negra.

Utilidad neta 2.900 2.052 2.000
Costos Fijos 500 1.248 1.750
Contribución marginal $3.400 $3.300 $3.750
En el cuadro anterior se calcula la contribución marginal de los tres productos pero

necesitamos calcular las contribuciones marginales unitarias de cada producto de la si-
guiente manera:
Contribución marginal
Contribución marginal unitaria = Cantidad de ventas
• Gaseosa normal de durazno 3.400 = $17

200
• Gaseosa normal soda 3.300 = $33

100
• Gaseosa dietética negra 3.750 = $25

150
Planteamiento función objetivo

Multiplicar la contribución marginal de cada tipo de gaseosa.
Maximizar : Z = 17x1 + 33x2 + 25x3
Planteamiento de restricciones
Departamento I 4x1 + 10x2 + 6x3 < 2.000
Departamento II 6x1 + 2x2 + 8x3 < 2.750
Luego el planteamiento del modelo de proyecciones lineal de la compañía de gaseo-
sas es:
336 ALGEBRA LINEAL
Maximizar : Z = 17x1 + 33x2 + 25x3

Sujeto a: 4x1 + 10x2 + 6x3 < 2000
6x1 + 2x2 + 8x3 < 2750
x1 > 0, x2 > 0, x3 > 0
Solucion en QSB:
Toma de decisión
Se deben producir 125 unidades de gaseosa normal durazno, 250 unidades de gaseo-
sa dietética negra y suspender la producción de gaseosa normal soda para obtener una
contribución marginal máxima de $8.375 dólares teniendo en cuenta que se deben uti-
lizar todas las horas disponibles en los departamentos I y II.
PROBLEMAS PROPUESTOS
1. Distribución de personal. Un restaurante de comidas rápidas está abierto las 24 ho-
ras del día. El administrador contrata una compañía de vigilancia, donde los celado-
ras tiene que cumplir cada uno un turno de 8 horas. Los turnos se inician a las 3am,
7 am, 11am, 3pm, 7pm y 11pm. La siguiente tabla muestra el número mínimo de
trabajadores necesarios durante los seis períodos en que está dividido el día:
Período Hora del día Número mínimo de vigilantes
1 3 am − 7 am 4
2 7 am − 11 am 8
3 11 am − 3 pm 10
4 3 pm − 7 pm 7
5 7 pm − 11 pm 12
6 11 pm − 3 am 4
El problema de programación consiste en determinar el número de vigilantes que se

deben programar al comienzo de cada período de tiempo, con el fin de minimizar el
número total de vigilantes requeridos para un día de operación
Sugerencia. Defina las variables (xi: número de vigilantes que comienzan el trabajo
en el período i, donde i = 1, 2, 3, 4, 5, 6)
2. Una fábrica de muebles produce tres tipos de salas, clásica, popular y moderna, los
muebles deben ser tapizados con tres tipos de tela denomiandas, tela 1, tela 2 y tela
3. Los metros de tela que se requieren para tapizar cada tipo de sala, se muestran en
la siguiente tabla:
Tipo de sala Tela 1 Tela 2 Tela 3

Clásica 8 14 16
Popular 6 18 14
Moderna 4 4 24
La empresa cuenta respectivamente con 740 m de tela 1, 1.200 m de tela 2 y 1880 m

de tela 3. Bajo las condiciones actuales del mercado, las contribuciones a la utilidad
para los productos son US $ 18 para la clásica, US $10 para la popular y US $12 para
la moderna . Plantee un problema de Programación Lineal para derterminar la can-
tidad de cada una de las salas que deben fabricarse para maximizar la utilidad.
3. Una empresa fabrica y vende tres tipos de relojes en tres colores diferentes, gris,
blanco y negro. El proceso de manufactura de los relojes requiere dos operaciones
338 ALGEBRA LINEAL
de producción: ensamble y pintura. Cada reloj requiere 3 horas de tiempo en el

departamento de ensamble. En el departamento de pintura el reloj gris requiere 2
horas de tiempo; el radio blanco requiere 4 horas y el radio negro requiere 5 horas.
El departamento de ensamble tiene disponibles 54 horas semanales, mientras que el
departamento de pintura tiene 84 horas semanales. El administrador de la empresa
ha observado que para que la demanda sea óptima, la demanda del reloj gris no será
más de 25 por semana. Debido a que los relojes blancos y negros son de una mayor
calidad se ha pronosticado que la demanda para estos no será mayor a 30 unidades
por semana. La venta de un reloj gris genera ganancias de US$ 7, de un reloj blanco
US$ 8 y de un reloj negro US$ 8.5. ¿Cuántos relojes de cada tipo deben fabricarse
por semana con el objeto de maximizar la utilidad?
4. Asignación de capital. Por causa de la apertura económica y el libre comercio, una

empresa de confecciones debe determinar los proyectos de “crecimiento” que debe
emprender en los próximos 4 años. La compañía tiene una cantidad limitada de
fondos para inversiones de capital; por tanto, no puede financiar todos o parte de los
proyectos. A cada uno de estos se le ha determinando su valor presente y el requeri-
miento (costo) asociado de capital. Cada proyecto tiene diferentes requerimientos
de capital para los próximos 4 años. En la tabla siguiente se muestran el valor pre-
sente estimado, los requerimientos de capital y el capital disponible proyectado para
cada uno de ellos.
TABLA
Valor actual, requerimientos de capital y capital disponible para la empresa
Vr. presente Req. de capital

Tipo de proyecto Estimado Año 1 Año 2 Año 3 Año 4
Expansión de la planta 180.000 30.000 40.000 40.000 30.000
Nueva maquinaria 20.000 12.000 8.000 0 4.000
Inv. sobre nuevos productos 72.000 30.000 20.000 20.000 20.000
Ampliación del almacen 80.000 20.000 30.000 40.000 10.000
Fondos disp. de capital 1′200.000 65.000 80.000 80.000 50.000
Al administrador de la compañía le gustaría desarrollar un plan de asignación de

capital que muestre las erogaciones que debe hacer para cada uno de los 4 años, y
que proyectos se deben financiar bajo el plan general.
5 Transporte. Una cervecería fabrica una marca de cerveza muy popular. Para mante-
ner la calidad, la compañía fabrica la cerveza en sólo tres plantas, en las que existen
disponibles fuentes de agua. De estas plantas se envía la cerveza por camión a cuatro
almacenes de distribución. Debido a los aumentos en los precios de la gasolina y del
combustible diesel, el gasto de transporte es un concepto importante de los costos.
Los administradores han comenzado a realizar un estudio para determinar si es posi-
ble reducir los costos de transporte. Los gerentes de producción de cada una de las
tres plantas han estimado la producción mensual esperada para sus respectivas plan-
tas. Se fabricará en total en las tres plantas una cantidad suficiente de cerveza para
cargar 300 camiones. El administrador de la empresa ha asignado la producción
total a los respectivos almacenes examinando datos de meses anteriores. En la tabla
siguiente se presenta la información de oferta (producción) y demanda (asignación),
junto con los costos de transporte para cada combinación de oferta y demanda. Debe
observarse que las unidades de oferta y demanda se expresan en camiones de cerve-
za, en tanto que las cifras de costos que aparecen en la tabla se expresan en dólares
por camión.
El problema que enfrenta el administrador consiste en determinar la cantidad (es
decir, el número de camiones) de cerveza que debe enviarse de cada planta a cada
almacén para minimizar los costos totales de transporte.
TABLA
---------------------------------------------------------------------------
Almacén de Destino
------------------------------
Fuente 1 2 3 4 Producción
(oferta)
---------------------------------------------------------------------------
Planta I 464 513 654 867 75
Planta II 352 416 690 791 125
Planta III 995 682 388 685 100
Asignacio´n 80 65 70 85 300
(Demanda)
---------------------------------------------------------------------------
6. Una pizzería vende tres tipos de pizzas, de carne (C), Hawaina (H), pizza tipo fran-
cés (F), que posee ingredientes de muy alta calidad y sabor. Las composiciones son
hechas a partir de dos tipos de harinas A1 y A2. La pizzería tiene dos tipos de maquinas
para amasar. La máquina nueva N, que en cada corrida de producción utiliza 7
unidades de harina A1 y 12 de A2 para producir 8 unidades de (C), 6 de (H) y 5 de (F).
Con la máquina antigua A, se obtiene en cada corrida de producción 10 unidades de
(C), 7 unidades de (H) y 4 unidades de (F), con un gasto de 10 unidades de A1 y 8 de
A2.
340 ALGEBRA LINEAL
Estudios de demanda permiten estimar que para el proximo mes se deben producir
al menos 900 unidades de (C), 300 unidades de (H) y entre 800 y 1700 unidades de
(F). La disponibilidad de harinas A1 es de 1 400 libras y de A2 de 2 000 libras. Los
beneficios por cada pizza producida son:
Pizzas C h F
Utilidad US$ 4 US$ 6 US$ 7
El dueño de la pizzería desea conocer como utilizar las dos máquinas para amasar,
de forma que la utilidad sea máxima.
7. Una nutricionista desea obtener la dieta de costo mínimo que se aplicará a un grupo
de personas. La nutricionista estima que la dieta debe contener entre 13 y 16 unida-
des de vitamina A, al menos 25 unidades de vitamina B y 30 de vitamina C y a lo
sumo 14 unidades de vitamina D. El número de unidades de vitaminas contenidas en
cada unidad de alimentos que se utilizarán son:
Alimentos A B C D Costo por unidad de alimento

1 1 1 0 1 10
2 1 2 1 0 14
3 0 1 2 0 12
4 3 1 0 1 18
5 2 1 2 0 20
6 0 0 2 1 16
8. En tiempo de elecciones un candidato presidencial tiene disponibles US$ 960 000

para comprar tiempo en canales de televisión. La publicidad le cuesta US$ 400 por
minuto en el canal 1, US$ 4 000 en el canal 2 y US$ 12 000 por minuto en el canal
3; a cualquier hora durante la noche aproximadamente 100 000 personas ven el
canal 1, 200 000 el canal 2 y 600 000 el canal 3. Si se desea obtener la audiencia
máxima, cuántos minutos debe adquirir el candidato en cada canal, si el tiempo total
máximo de propaganda política durante la noche es de 30 minutos, y en el canal 3 no
se pueden pasar más de 6 minutos.
9. Una Fábrica de Bicicletas, produce dos Tipos de Bicicletas, de Carreras y de Turis-

mo, las hace en su Planta de Producción, usando Aluminio, Hierro y Aleación de los
dos metales en unidades cuadradas con un mismo espesor, a saber: una bicicleta de
Carreras requiere 10 unidades cuadradas de Aluminio, 4 de Hierro y 15 de Alea-
ción, para una bicicleta de Turismo, se requieren 20 unidades cuadradas de Alumi-
nio, 16 de Hierro y 10 de Aleación.
Las bicicletas de Carreras producen por su venta una ganancia de US$ 120, y las de
Turismo producen US$ 90. En la actualidad, la empresa dispone de 200 unidades
cuadradas de Aluminio, 128 de Hierro y 220 de Aleación. Han recibido pedidos para
ambos Tipos de bicicletas, y les gustaría producir la cantidad de bicicletas de los dos
Tipos que Maximicen la Ganancia. ¿Cuántos Bicicletas deben producir de cada Tipo?.
10.Una Fábrica de Electrodomésticos, produce dos Tipos de Artículos de uso domésti-

co: Tipo 1 y Tipo 2, los hace en su Planta de Producción, usando Porcelana, Plástico
y Aluminio en unidades cuadradas con un mismo espesor, a saber: un artículo de
Tipo 1 requiere 20 unidades cuadradas de Porcelana, 8 de Plástico y 30 de Aluminio,
para un artículo del Tipo 2, se requieren 40 unidades cuadradas de Porcelana, 32 de
Plástico y 20 de Aluminio.
Los Electrodomésticos producen por su venta una ganancia de US$ 230 los de Tipo
1, y US$ 180 los de Tipo 2. En la actualidad, la empresa dispone de 4 000 unidades
cuadradas de Porcelana, 2 560 de Plastico y 4 400 de Aluminio. Han recibido pedi-
dos para ambos Tipos de Electrodomésticos, y les gustaría producir la cantidad de
artículos de los dos Tipos que Maximicen la Ganancia. ¿Cuántos artículos deben
producir de cada Tipo?
11.Una Fábrica de Muebles de Oficina, produce dos Tipos de Escritorios: Tipo 1 y Tipo
2, los hace en su Planta de Producción, usando maderas de Ébano, Cedro y Pino en
unidades cuadradas con un mismo espesor, a saber: un escritorio de Tipo 1 requiere
30 unidades cuadradas de Ébano, 12 de Cedro y 45 de Pino, para un escritorio del
Tipo 2, se requieren 60 unidades cuadradas de Ébano, 48 de Cedro y 30 de Pino.
Los escritorios producen por su venta una ganancia de US$ 360 los de Tipo 1, y US$
270 los de Tipo 2. En la actualidad, la empresa dispone de 600 unidades cuadradas
de Ébano, 384 de Cedro y 660 de Pino. Han recibido pedidos para ambos Tipos de
escritorio, y les gustaría producir la cantidad de escritorios de los dos Tipos que
Maximicen la Ganancia. ¿Cuántos escritorios deben producir de cada Tipo?.
12.Una Fábrica Exclusiva de automóbiles, produce dos Tipos de autos por pedido, Coupe
y Familiar, los hace en su Planta de Producción Exclusiva, usando Hierro de Alta
Calidad, Acero de Alta Calidad y Plástico de Alta Resistencia, en unidades cuadra-
das con un mismo espesor, a saber: para el Auto Coupe se necesitan 1 000 unidades
342 ALGEBRA LINEAL
cuadradas de Hierro, 400 de Acero y 1 500 de Plástico, para un Automóbil Familiar

se requieren 2 000 unidades de Hierro, 1 600 de Acero y 1 000 de Plástico.
Los automóbiles Coupe producen por su venta una ganancia de US$ 12 000, los de
Tipo Familiar US$ 9 000. En la actualidad, la empresa dispone de 200 000 unidades
de Hierro, 128 000 de Acero y 220 000 de Plástico. Han recibido pedidos para los
dos tipos de Autos , y les gustaría producir la cantidad de Autómobiles de cada Tipo
que Maximicen la Utildad ¿Cuántos Automóbiles de cada Tipo se deben producir ?
13.Una microempresa tiene 3 máquinas A, B y C y 3 operarios. El administrador de la
empresa desea que los operarios trabajen en las tres máquinas, minimizando el tiem-
po total de trabajo. Cada operario debe ser asignado a una máquina y cada máquina
debe ser ocupada por un operario. La siguinte tabla nos presenta la distribución de la
información acerca del número de horas que pueden trabajar los operarios en cada
una de las máquinas.
Hrs. Máquina
Operario A B C
1 10 5 8
2 14 6 8
3 12 4 10
14.Un batallón de soldados salen a campaña, y quieren llevar en su morral los alimen-
tos con el mayor valor nutricional posible. El peso que puede soportar cada soldado
es de máximo 25 libras. La siguiente tabla nos presenta la información acerca de los
5 tipos de alimento que han seleccionado, cada uno con su respectivo valor nutricional
y peso.
Alimento Valor nutricional Peso en libras

1 4 4
2 12 6
3 18 6
4 16 4
5 6 4
15.Utilidad. Una compañía fabrica dos artículos el A y el B, en el artículo A tiene una

utilidad de US$ 10, y en el B es de US$ 40. Debido a limitaciones, la empresa
máximo puede fabricar en un mes 350 artículos. Por la disponibilidad de partes,
puede fabricar máximo 300 artículos A, y 100 de B cada mes. Determine cuántos
artículos de cada clase debe producir la fábrica cada mes para maximizar sus utili-
dad.
16.Dieta. Una nutricionista le aconseja a su paciente que su dosis diaria de vitaminas

debe ser de por lo menos 6 unidades de A, 4 unidades de B y 18 unidades de C, pero
no mas de 12 unidades de A, 8 unidades de B y 56 unidades de C. El paciente
encuentra que una farmacia vende dos marcas, X y Y de vitaminas múltiples que
contienen las vitaminas necesarias. Una cápsula de la marca X contiene 1 unidad de
A, 1 de B y 7 unidades de C, y cuesta US$ 0.05. Una cápsula de la marca Y contiene
3 unidades de de A,1 unidad de B, y 2 unidades de C, y cuesta US$ 0.06. ¿Cuántas
cápsulas de cada marca debe tomar cada día para minimizar su costo?.
17.Utilidad. Una fábrica de jeans tiene un surtido de 1.300 unidades de diseño especial
y 1.700 unidades de marca genérica, los cuales van a ser enviados a dos almacenes:
un sitio de gran escala y un almacén de descuentos. La fábrica tiene una utilidad de
US$ 14.25 por cada unidad de diseño especial, y US$ 12.50 por cada unidad de la
marca genérica en el sitio de gran escala; mientras que la utilidad correspondiente al
almacén de descuentos es de US$ 480 por cada jean de diseño especial y de US$ 3.40
por cada jean de marca genérica. Al sitio de gran escala sinembargo, se pueden
llevar a lo sumo 1.800 unidades, mientras que el almacén de descuentos tiene cabida
para un máximo de 2.500 unidades.
Encuentre el número de unidades de diseño especial, y de marca genérica que la
fábrica debe enviar a cada almacén para maximizar su utilidad total. ¿Cuál es la
ganancia máxima?
18.Utilidad. Una forja tiene 2 fraguas F1 y F2, cada una de las cuales, por necesidades
de mantenimiento, puede operar máximo 20 horas por día. La forja hace dos tipos de
herramientas: A y B. La herramienta A requiere 1 hora en la fragua F1y 3 horas en la
fragua F2. La herramienta B requiere 2 horas en la fragua F1y 1 hora en la fragua
F2. La forja obtiene una utilidad de US$ 20 por herramienta A y de US$ 10 en la
herramienta B. Determine el número de cada tipo de herramienta que la forja debe
hacer para maximizar su utilidad diaria.
19.Costos. María trabaja en su casa haciendo pares de patines, bufandas y gorros para
bebé. Ella produce un total de 300 de estos artículos por mes. Tiene un pedido fijo
mensual de un almacén que ordena de 50 a 100 pares de patines, por lo menos 100
bufandas y 70 gorros para bebé. Los costos del material usado son de US$ 0.20 por
cada par de patines, US$ 0.40 por cada bufanda, y US$ 0.50 por cada gorro para
344 ALGEBRA LINEAL
bebé. Determine el número de cada artículo que debe hacer cada mes para minimi-
zar su costo total mensual.
20.Una fábrica de camisas contrata a destajo dos señoras para ultimar los detalles de sus
camisas, la señora Aguirre puede terminar 100 camisas semanalmente y la señora
Blanco que es más práctica termina el doble.
La fábrica tiene tres puntos de venta en distintos sitios de la ciudad. En el punto 1
solicitan como mínimo 150 camisas a la semana, en el punto 2 mínimo 60, y en el
punto 3 exactamente 90 camisas.
Los costos de transporte por camisa desde la casa de la señora Aguirre a los puntos
1,2 y 3 son de $ 10, $ 12 y $ 15 respectivamente, los costos para la señora Blanco son
de $ 6, $ 7 y $ 8 respectivamente.¿Cuántas unidades se deben enviar desde cada una
de las casas, a los diferentes puntos de venta, si se desea minimizar el costo de
transporte?
21.Un vendedor de Neveras tiene bodegas en las ciudades M y T, y sus agencias estan
en las ciudades C y A. Cada nevera que venden las agencias, se debe recibir de una
de las bodegas. Cierto día, la agencia de la ciudad C vende 10 neveras, y la de la
ciudad A vende 12. La bodega de la ciudad M tiene 15 neveras disponibles, y la de la
ciudad T tiene 10. El costo de embarque de una nevera es de US$ 50 desde la ciudad
M hasta la ciudad C, US$ 40 de la ciudad M a la ciudad A, US$ 60 de la ciudad T a
la ciudad C, y US$ 55 de la ciudad T a la ciudad A.¿Cuántas neveras se deben
despachar de cada bodega a cada agencia para cumplir con los pedidos a un Costo
Mínimo?
22.Una industria produce dos artículos A y B. La elaboración de una unidad del artícu-
lo A cuesta US$ 20 de mano de obra, y una del artículo B cuesta US$ 10. En materia
prima el costo es de US$ 10 y US$ 30 respectivamente cada unidad. El desgaste de
los equipos se supone proporcional a la producción, y es de US$ 5 en el artículo A y
de US$ 1 la unidad de B. El beneficio por unidad del artículo A es de US$ 8 y de US$
5 para B. Si se cuenta para salarios con US$ 100 000, y con US$ 180 000 para
materia prima, y no se quiere que el desgaste de los equipos exceda de US$ 40.000.
¿Cuál es la cantidad que se debe producir de cada artículo para obtener la Máxima
Utilidad posible?
23.Una fábrica de neveras y lavadoras tiene 4 departamentos: estampado, armado, mon-

taje de neveras y montaje de lavadoras. El departamento 1 puede estampar por mes
las planchas necesarias para 25 neveras ó para 35 lavadoras, o las correspondientes
combinaciones de neveras y lavadoras. El departamento 2 puede armar por mes 33
motores de nevera ó 16 motores de lavadora, o las correspondientes combinaciones
de motores de nevera y lavadora. El departamento 3 puede montar y terminar 22
neveras y el departamento 4 puede montar y terminar 15 lavadoras.
Si cada nevera deja una utilidad de US$ 300 y cada lavadora de US$ 250.¿Qué
cantidad de neveras y lavadoras deben producirse, de manera que la Utilidad sea
Máxima?.
24.Para la elaboración de un producto se cuenta con 4 materias primas que contienen un

factor F en las proporciones indicadas en la tabla siguiente, donde también aparecen
los costos en dólares por kilogramo de cada materia prima. Se trata de obtener una
tonelada de mezcla cuyo contenido del factor F, sea por lo menos del 18%, con el
Mínimo Costo posible.
Materia prima Contenido de F en % Costo por Kg. en dólares

A 51 4.0
B 11 2.0
C 14 2.4
D 36 3.0
Las incógnitas del problema son 4: las cantidades de materia prima A, B, C y D que
se deben mezclar para obtener una tonelada métrica (1 000 Kgs.), de un producto, con
el mínimo costo, por lo tanto, nuestro objetivo es minimizar la Función de Costo.
25.Producción. Un fabricante de muebles dispone de dos diferentes clases de madera,

tiene 1 500 metros cuadrados de madera Tipo A, y 1 000 del Tipo B, también dispo-
ne de 800 horas-hombre para hacer el trabajo. Según su experiencia se requieren
cuando menos 40 mesas, 130 sillas, 30 escritorios y no mas de 10 bibliotecas. La
cantidad de cada tipo de madera y las horas hombre que se requieren en la elabora-
ción de cada artículo, se muestran en la siguiente tabla:
Hs. hombre Demanda Utilidad por

Madera
estimada unidad
Artículo A B
Mesa 5 2 3 Cuando menos 40 12
Silla 1 3 2 Cuando menos130 5
Escritorio 9 4 5 Cuando menos 30 15
Bibliotecas 12 1 10 No más de 10 10
Total 1.500 1.000 800
346 ALGEBRA LINEAL
Determine el número de unidades de cada artículo que se deben fábricar para

maximizar la utilidad.
26.Producción. Un fabricante de muebles dispone de dos diferentes clases de madera,

tiene 3 000 metros cuadrados de tabla Tipo A, y 2 000 de Tipo B, también dispone de
1600 horas-hombre para hacer el trabajo. La demanda que segun su experiencia
tiene es este trabajo es la siguiente: cuando menos 80 mesas, y 260 sillas, 60 escrito-
rios y no mas de 20 bibliotecas. Las cantidades A y B, y las horas hombre que
requieren la elaboración de cada unidad del artículo, se muestran en la siguiente
tabla:
Hs. hombre Demanda Utilidad por

Madera
estimada unidad
Artículo A B
Mesa 10 4 6 Cuando menos80 24
Silla 2 6 4 Cuando menos 260 10
Escritorio 18 8 10 Cuando menos 60 30
Bibliotecas 24 2 20 No más de 20 20
Total 3.000 2.000 1.600
La anterior tabla incluye la utilidad que reporta la venta de cada unidad del artículo.
El problema consiste, que cantidad debe fabricar el industrial de cada artículo de
manera que la utilidad que obtenga sea la Máxima Posible.
27.Producción. Para la elaboración de un producto se cuenta con 4 materias primas que

contienen un factor S en las proporciones indicadas en la tabla siguiente, donde
también aparecen los costos en dólares por kilogramo de cada materia prima. Se
trata de obtener dos toneladas de mezcla cuyo contenido del factor S, sea por lo
menos del 36%, con el Mínimo Costo posible.

A 20 8
B 22 4
C 28 5
D 30 6
28.Mezcla de materias primas. Para la elaboración de un producto se cuenta con 4

materias primas que contienen un factor R en las proporciones indicadas en la tabla
siguiente, donde también aparecen los costos en dólares por kilogramo de cada ma-
teria prima. Se trata de obtener media tonelada de mezcla cuyo contenido del factor
R, sea por lo menos del 9%, con el el Mínimo Costo posible.

A 25 2.0
B 6 1.0
C 7 1.2
D 18 3.0
29.Problema contable. Una empresa produce cuatro tipos de juguetes, pronostica que
tendrá que decontinuar la producción de algunos, que dan menor rentabilidad. El
administrador de la empresa pide un informe financiero al departamento de contabi-
lidad sobre los resultados por unidades, que es el siguiente:
I II III IV
Precio de venta US$ 45 US$ 60 US$ 30 US$ 16
Costo variable 38 51 20 6
Costos Fijos 9 4 6 2
Costo Total 47 55 26 8
=== === === ===
Utilidad o
pérdida (2) (5) (4) (8)
Los costos fijos incluyen: Depreciación de maquinaria, nómina de empleados, arrien-

do de bodega y almacenes, servicios públicos, supervisión y administración, im-
puesto predial y seguros.
La línea de producción se realiza en 2 departamentos armado-terminado y control de
calidad. El número de horas necesarias se indican en la tabla siguiente:
348 ALGEBRA LINEAL
Tipos de juguetes
Departamento I II III IV Horas disponibles

Armado − terminado 1 5 7 1 200
Control de calidad 3 2 2 4 300
a. ¿Cuántos juguetes de cada tipo debe producir para maximizar la utilidad neta?
b. Para que no haya pérdida, ¿qué tipo de juguete se debe suspender en la producción?
c. ¿Se requieren todas las horas disponibles en los departamentos?
d. ¿Cuál es la utilidad?
30. El Problema de los paquetes de Tuercas

Un distribuidor de ferretería planea vender paquetes de tuercas y tornillos mezcla-
dos. Cada paquete pesa por lo menos 2 libras. Tres tamaños de tuercas y tornillos
componen el paquete y se compran en lotes de 200 libras. Los tamaños 1, 2 y 3
cuestan respectivamente US$ 20, US$ 8 y US$ 12, además:
a) El peso combinado de los tamaños 1 y 3 debe ser de al menos la mitad del peso total
del paquete.
b) El peso de los tamaños 1 y 2 no debe ser mayor que 1,6 libras
c) Cualquier tamaño de tornillo debe ser de al menos el 10% del paquete total
¿Cuál será la composición del paquete que ocasionará un costo mínimo?
31. Problema financiero

Un inversionista tiene la intención de hacer varias inversiones, las cuales se exten-
derán por un período de cinco años, al final del cual necesitará de todo el capital. Las
inversiones se hacen el 1o. de enero de cada año y son:
• Inversión A: disponible el 1o. de enero de cada año y produce el 15% de interés al
final de cada año.
• Inversión B: disponible en dos años a partir de ahora (comienzo del tercero año) y
produce un retorno de 25% al final del tercer año y lo máximo que el inversionista
considerará son $40.000.
• Inversión C: disponible en un año a partir de ahora (comienzo del segundo año) y

produce el 40% al final del cuarto año. Esta inversión será de $30.000 como máxi-
mo.
El inversionista tiene US$ 100.000 disponibles para las inversiones.
¿Cuál debe ser el portafolio de inversión que le permita obtener la máxima cantidad
de dinero al fin del año año quinto?
350 ALGEBRA LINEAL
5.12 TALLER DE INFORMÁTICA CON USO DE "QSB"

Problema de la dieta.
El problema de la dieta aparece como el ejemplo 5.1 en el presente capítulo.
Minimizar : Z =0.10x1 + 0.15x2 + 0.12x3
50x1 + 30x2 + 20x3 > 290 vitaminas 1
20x1 + 10x2 + 30x3 > 200 vitaminas 2
10x1 + 50x2 + 20x3 > 210 vitaminas 3
x1 + x2 + x3 > 9
x1, x2, x3 > 0
1. Al ingresar al programa WinQSB, obtenemos el siguiente menú:

2. Con el mouse hacemos clic sobre la opción:
3. Obtenemos la ventana de entrada de WinQSB, en la cual iniciaremos nuestro trabajo.
4. Hacemos clic sobre el botón de la ventana inicial de WinQSB y obtenemos

el siguiente cuadro de diálogo:
352 ALGEBRA LINEAL
En este cuadro de diálogo introducimos las condiciones iniciales del problema de

programación lineal:
Título del problema:
Número de variables:
Número de restricciones:
Criterio de optimización: Maximizar o minimizar.

En Q.S.B. se presentan los siguientes Tipos de variables:

Variables definidas en los reales y no negativas.
Variables definidas en los enteros y no negativas
Variables definidas en el conjunto {0,1}
Variables sin restricciones.
En el problema que estamos considerando las variables son Contínuas y no negati-

vas, por lo tanto seleccionamos la opción : en el próximo
cuadro:
Formato de entrada de datos:

Forma matricial (Similar a una hoja de cálculo)
Forma normal
En este caso recomendamos la forma matricial.

354 ALGEBRA LINEAL
restricción.
El sentido de una desigualdad se puede cambiar haciendo doble clic con el mouse
sobre la respectiva desigualdad.
6. Para resolver el problema hacemos clic en la opción del menú prin-

cipal de WinQSB.
7. A continuación obtenemos el siguiente menú:
Al hacer clic sobre alguna de las tres primeras opciones se resuelve el problema:
a. : Resuelve el problema y guarda la solución en

memoria.
Después de seleccionar esta opción, hacemos clic en aceptar en el cuadro de diálo-
go:
A continuación se presenta la solución del problema:
b. : Resuelve el problema y muestra todas las

tablas del método simplex. El método
simplex será estudiado en el capítulo seis.
c. : Resuelve el problema gráficamente como

se ilustró en el capítulo cuatro, para el caso
de un problema con dos variables.
356 ALGEBRA LINEAL
Problema de planificación de personal.

Este problema aparece como elejemplo 5.6 en el presente capítulo.
Minimizar Z = x1 + x2 + x3 + x4 + x5 + x6
Sujeto a: x1 + x6 > 27
x1 + x2 > 30
x2 + x3 > 52
x3 + x4 > 56
x4 + x5 > 67
x5 + x6 > 48
xi > 0 i = 1, 2, 3, 3, 4, 5, 6
Seguimos los pasos 1, 2, 3, 4 del problema anterior y a continuación introducimos

los datos iniciales del problema de minimización, teniendo en cuenta que las variables
toman valores enteros, por lo tanto debemos seleccionar la opción:
como aparece a continuación::

restricción como se presenta a continuación:

cipal de WinQSB.
7. A continuación seleccionamos del siguiente

menú:
358 ALGEBRA LINEAL
Después de seleccionar esta opción, hacemos clic en aceptar en el cuadro de diálo-

go:
A continuación se presenta la solución del problema:
Problema del excursionista

Este problema aparece como elejemplo 5.4 en el presente capítulo.
Solución. Sea xi =
451 si lleva el alimento i
60 si no lleva el alimento i
Maximizar: Z = 2x1 + 6x2 + 9x3 + 8x4 + 3x5

Sujeto a: 5x1 + 4x2 + 2x3 + 6x4 + 5x5 < 13
xi > 0 para i = 1, 2, 3, 4, 5
Seguimos los pasos 1, 2, 3, 4 del problema anterior y a continuación introducimos

los datos iniciales del problema de minimización, teniendo en cuenta que las variables
toman valores cero o uno, por lo tanto debemos seleccionar la opción:
como aparece:

360 ALGEBRA LINEAL
restricción como se presenta a continuación:

cipal de WinQSB.
7. A continuación seleccionamos del siguiente

menú:
Después de seleccionar esta opción, hacemos clic en aceptar en el cuadro de diálogo:

Finalmente la solución del problema es:

362 ALGEBRA LINEAL
5.13 TALLER DE INFORMÁTICA CON USO DE “EXCEL”
Problema financiero
A continuación presentamos el problema financiero planteado en la sección 5.5
Maximizar : Z = 0,08x1 + 0,10x2 + 0.11x3 + 0,12x4 + 0,09x5
x1 + x2 + x3 + x4 + x5 = 2`000.000
x3 + x4 – x 5 < 0
– x1 + x2 + x3 <0
– 0.1x1 – 0.1x2 – 0.1x3 + 0.9x4 <0
x5 < 600.000
x1, x2, x3, x4 > 0
Utilizaremos lo herramienta “solver” de excel.

1. Escribimos los nombres de las variables en el bloque de celdas B1:F1
2. Escribimos los coeficientes de la función objetivo en el bloque de celdas B2, F2
3 Indicamos los coeficientes de la primera restricción del problema en el bloque B3: H3
4 Los coeficientes de las restricciones 2, 3, 4, y 5 los escribimos en los bloques B4:H4,
B5:H5, B6:H6 y B7:H7 respectivamente, el símbolo < se obtiene utilizando la tecla
< y luego subrayando el contenido de la celda.
5. Escribimos la fórmula correspondiente a la función objetivo en la celda B11
6. Las celdas B2, C2, D2, E2 y F2 contienen los coeficientes de la función objetivo.
Las celdas B10, C10, D10, E10 y F10 y se dejan vacías (corresponden a los valores
de las variables del problema); cuando excel soluciona el problema los valores de
éstas celdas junto con el valor de la función objetivo cambiarán automáticamente.
La celda B10 contendrá el valor de x1, C10 la celda contendrá el valor de x2, la celda
D10 contendrá el valor de x3, la celda E10 contendrá el valor de x4, la celda F10
contendrá el valor de x5
7. Escribimos la fórmula correspondiente al lado izquierdo de la primera restricción en
la celda B12
Las celdas B10, C10, D10, E10 y F10 contendrán los valores de x1, x2, x3, x4, y x5
respectivamente y las celdas B3, C3, D3, E3 y F3 contienen respectivamente los coefi-
cientes 1, 1, 1, 1 y 1 de la primera restricción.
8. Escribimos la fórmula correspondiente al lado izquierdo de las restricciones 2, 3, 4 y 5,
en las celdas B13, B14, B15 y B16 respectivamente, como se presenta a continuaciòn:
Obtenemos la siguiente presentación en pantalla.

364 ALGEBRA LINEAL
9. Hacemos clic sobre la opción “Herramientas” del menú principal de excel y a

continuación seleccionamos la opción “Solver”.
10.Al soltar el botón del mouse, obtenemos el siguiente cuadro de diálogo de excel.
11.Llenamos el campo correspondiente a la celda objetivo con $B$11, o teniendo el

cursor ubicado en el campo de la celda objetivo, hacemos clic en la celda B11 de la
hoja de excel.
366 ALGEBRA LINEAL
12.Debe seleccionarse la opción “Máximo”.

13.En el campo “Cambiando celdas”, escribimos $B$10:$F$10, para indicar las cel-
das que contendrán los valores óptimos de x1, x2, x3, x4 y x5.
14 Para incluír la primera restricción, hacemos clic sobre el botón del

cuadro de diálogo.
15.Obtenemos el siguiente cuadro de diálogo.
16.Escribimos en el campo de "Referencia de celda" $B$12, para indicar la ubicación

de la fórmula correspondiente al lado izquierdo de la primera restricción; otra forma
para indicar la ubicación de esta celda es colocar el cursor sobre el campo corres-
pondiente a “referencia de celda” y en la hoja de excel hacer clic sobre la celda B2.
18.Escribimos en el campo de “Restricción” $H$3, para indicar la ubicación del valor

correspondiente al lado derecho de la primera restricción; otra forma para indicar la
tricción” y en la hoja de excel hacer clic sobre la celda H3.
19.Hacemos clic sobre el botón del cuadro de diálogo para que excel
acepte los datos y repetimos el procedimiento para incluír la segunda restricción.
20.Escribimos en el campo de “Referencia de celda” $B$13, para indicar la ubicación
de la fórmula correspondiente al lado izquierdo de la segunda restricción; otra forma
para indicar la ubicación de esta celda es colocar el cursor sobre el campo corres-
pondiente a “referencia de celda” y en la hoja de excel hacer clic sobre la celda B13.
368 ALGEBRA LINEAL
22.Escribimos en el campo de “Restricción” $H$4, para indicar la ubicación del valor

correspondiente al lado derecho de la segunda restricción; otra forma para indicar la
tricción” y en la hoja de excel hacer clic sobre la celda H4.
23.Repetimos los pasos 19 a 23 para relacionar las restricciones 3, 4 y 5, como se

presenta a continuación:
Restricción 3:
Restricción 4:
Restricción 5:
24.Como no hay más restricciones hacemos clic sobre el botón del cuadro
de diálogo para que excel acepte los datos y obtenemos el siguiente cuadro:
370 ALGEBRA LINEAL
25.Para obtener la solución del problema hacemos clic sobre el botón

y obtenemos:
26. Finalmente hacemos clic sobre el botón y el problema queda resuelto.

Los valores de las variables que máximizan la función objetivo y el valor de la
función objetivo, aparecen en la hoja de excel en las celdas reservadas inicialmente.
En la celda B11 encontramos que el valor máximo es 188800.
En las celdas B10, C10, D10, E10 y F10 encontramos que los valores de x1, x2, x3, x4
y x5 que maximizan la función objetivo son 630000, 170000, 460000, 140000 y
600000 respectivamente.
6 Método simplex
Aunque parece ser que la programación lineal fue

utilizada por G. Monge en 1776, se considera a L. V.
Kantorovich uno de sus creadores. La presentó en su
libro Métodos matemáticos para la organización y la pro-
ducción (1939) y la desarrolló en su trabajo sobre la trans-
ferencia de masas (1942). Kantorovich recibió el pre-
mio Nobel de economía en 1975 por sus aportes al pro-
blema de la asignación óptima de recursos humanos.
La investigación de operaciones en general y la pro-
gramación lineal en particular recibieron un gran impul-
so gracias a los computadores. Uno de los hechos más Gaspar Monge
importantes fue la aparición del método simplex. Este (1746 - 1818)
método, desarrollado por G. B. Dantzig en 1947, consis-
te en la utilización de un algoritmo para optimizar el valor
de la función objetivo, teniendo en cuenta las restriccio-
nes planteadas.
Aunque a lo largo de este capítulo únicamente se resuelven problemas de progra-
mación lineal de menos de diez variables, este tipo de análisis se utiliza en casos donde
intervienen cientos e incluso miles de variables.
372 ALGEBRA LINEAL
Introducción
En el capítulo 4 se trataron problemas de programación lineal con

dos variables de decisión y se resolvieron por medio del método
gráfico; en este capítulo se estudiará el Método Simplex que con-
siste en un algoritmo o método algebráico sistemático y eficiente
para resolver problemas de programación lineal con dos o más
variables de decisión.
Por medio del programa computacional Q.S.B, vamos a resolver
problemas de PL y en cada iteración interpretaremos los resulta-
dos.
Objetivos
• Resolver problemas de programación lineal usando el método

simplex.
• Explicar el método simplex exahustivamente para obtener los
resultados de cada iteración e interpretarlos.
• Observar los cambios que presenta el método simplex en un
problema de máximo y de mínimo.
• Determinar cuando un problema de programación lineal no tie-
ne solución o tiene múltiples soluciones.
6.1 CONCEPTOS BÁSICOS DEL MÉTODO SIMPLEX
Para comenzar el capítulo recordemos el problema de la compañía

de muebles, que se resolvió por el método gráfico y que consiste en
maximizar la utilidad teniendo en cuenta las restricciones de los
departamentos de producción, corte, armado y acabado.
El modelo de PL es: Método simplex
Es un método
Maximizar: Z = 5x1 + 6x2 algebraico que
Sujeto a: x1 + x2 < 80 Departamento de corte nos sirve
3x1 + 2x2 < 220 Departamento de armado generalmente
para resolver
2x1 + 3x2 < 210 Departamento de acabado problemas de
x1, x2 > 0 dos o más
variables de
Recordemos que la región factible era la siguiente: programación
lineal.
Departamento de armado
Departamento de corte
Tipo II
Departamento de acabado
Región
factible
Tipo I
Observe el resultado del problema:
Vértice Función objetivo
A (0,0) Z= 5(0) + 6(0) = 0

B(0,70) Z= 5(0) + 6(70) = 420
C(30,50) Z= 5(30) + 6(50) = 450
D(60,20) Z= 5(60) + 6(20) = 420
E(73.3,0) Z= 5(73.3) + 6(0) = 366,6
La utilidad máxima es US$ 450 y se origina en el vértice C(30,50).

374 ALGEBRA LINEAL
VARIABLE DE HOLGURA
Para emplear el método simplex se requiere transformar las
inecuaciones en ecuaciones, cuando las restricciones son
inecuaciones con menor o igual (<), para transformarlas en
ecuaciones, agregamos a cada restricción una nueva variable
no negativa llamada Variable de Holgura. Variable de
Holgura
Variable no
negativa que se
Consideremos la primera restricción asociada al departamento de suma al lado
corte: izquierdo de una
x1 + x2 < 80 restricción menor
o igual, para
Donde tenemos 80 horas disponibles de mano de obra, si agregamos obtener una
la variable de holgura h1 a la restricción obtenemos: restricción de
igualdad.
x1 + x2 + h1 = 80
Interpretando la variable de holgura h1 en el contexto del depar-
tamento de corte, corresponde al número de horas que no se utilizan en
este departamento. Es decir, por ejemplo si producimos x1 = 40 y x2 = 30
escritorios tipo I y tipo II respectivamente, reemplazando en la restricción:
x1 + x2 < 80
40 + 30 < 80
En el departamento de corte solo se necesitan 70 horas con este
nivel de producción, y no son utilizadas 10 horas de las 80 horas
disponibles, es decir h1 = 10.
Dado que h1 se define como la cantidad de horas no utilizadas en el
departamento de corte entonces:
(Tiempo utilizado (Tiempo no utilizado (Horas
en corte) + en corte) = Disponibles)
(x1 + x2) + (h1) = 80
Análogamente para las otras restricciones, tenemos que h2, h3 son
las variables de holgura de los departamentos de armado y acabado
respectivamente.
Es importante tener en cuenta que las variables de holgura tienen
que ser no negativas. De esta manera las restricciones del problema
las podemos escribir así:
x1 + x2 + h1 + 0h2 + 0h3 = 80
3x1 + 2x2 + 0h1 + h2 + 0h3 = 220
2x1 + 3x2 + 0h1 + 0h2 + h3 = 210
x1, x2, h1, h2, h3 > 0
En la función objetivo agregamos las variables de holgura colocándoles coeficientes
cero y obtenemos:
Maximizar Z = 5x1 + 6x2 + 0h1 + 0h2 + 0h3
Resumiendo lo anterior tenemos:
Problema original sin variables de holgura:

Maximizar: Z = 5x1 + 6x2
Sujeto a: x1 + x2 < 80 departamento de corte
3x1 + 2x2 < 220 departamento de armado
2x1 + 3x2 < 210 departamento de acabado
x1, x2 >0
Problema de programación lineal con variables de holgura:

Maximizar: Z = 5x1 + 6x2 + 0h1 + 0h2 + 0h3
Sujeto a : x1 + x2 + h1 + 0h2 + 0h3 = 80
3x1 + 2x2 + 0h1 + h2 + 0h3 = 220
2x1 + 3x2 + 0h1 + 0h2 + h3 = 210
x1 > 0, x2 > 0, h1 > 0, h2 > 0, h3 > 0
Donde: h1: número de horas no utilizadas en el departamento de corte
h2: número de horas no utilizadas en el departamento de armado
h3: número de horas no utilizadas en el departamento de acabado
h1, h2, h3, son variables de holgura no negativas
Variables básicas y solución básica

En un problema de Programación lineal con n variables (incluyendo las de
holgura), y m ecuaciones, para hallar una solución básica, se igualan a cero n – m
variables, las cuales se denominan no básicas, y las restantes se denominan
variables básicas.
376 ALGEBRA LINEAL
En el ejemplo tenemos un sistema de n = 5 variables y m = 3

ecuaciones, por lo tanto para hallar una solución básica igualamos a
cero n – m = 5 – 3 = 2 variables básicas.
Tomemos x 1 = 0 y x2 = 0; y al reemplazar en el sistema de
ecuaciones, obtenemos:
0 + 0 + h1 + 0h2 + 0h3 = 80
3(0) +2(0) + 0h1 + h2 + 0h3 = 220 Variable no
2(0) +3(0) + 0h1 + 0h2 + h3 = 210 básica
Conjunto de
Luego: h1 = 80, h2 = 220, y h3 = 210 variables de un
problema de
Tenemos una solución básica: x1 = 0 programación
x2 = 0 lineal, en forma
h1 = 80 estándar, cuyos
valores se toman
h2 = 220 como cero.
h3 = 210
Por lo tanto las variables igualadas a cero se llaman variables no
básicas y las variables diferentes de cero se llaman variables básicas,
para el ejemplo x1, x2 son variables no básicas, mientras que h1, h2, h3 Variables
son variables básicas. básicas
Es una variable
Podemos hallar otra solución básica tomando x1 = 0 y h1 = 0, de diferente de cero
donde obtenemos: de un problema
de programación
0 + x2 + 0 + 0h2 + 0h3 = 80 lineal en forma
estándar.
3(0) + 2x2 + 0 + h2 + 0h3 = 220
2(0) + 3x2 + 0 + 0h2 + h3 = 210
El anterior sistema es equivalente a:
x2 = 80 (1)
En un problema
2x2 + h2 = 220 (2) de PL con n
3x2 + h3 = 210 (3) variables
(incluyendo las
Reemplazando x2 = 80 en (2), tenemos: 2(80) + h2 = 220 de holgura), y m
de donde h2 = 60. ecuaciones,
tenemos:
Reemplazando x2 = 80 en (3) tenemos 3(80) + h3 = 210 F nI
de donde h3 = –30 H n - mK
soluciones
Tenemos una solución básica: x1 = 0, x2 = 80, h1 = 0, h2 = 60, básicas, donde
h3 = –30, de donde x1 y h1 son no básicas, y x2, h2, y h3 son varia- FH n n mIK = n !
− (n − m)! m !
bles básicas. con n!
=1•2•3•...•(n-1)•n
o!=1
Las soluciones básicas incluyendo las que calculamos se presentan en el siguiente

cuadro:
Soluciones básicas
Solución x1 x2 h1 h2 h3
1 0 0 80 220 210
2 0 80 0 60 − 30
3 0 110 − 30 0 − 120
4 0 70 10 80 0
5 80 0 0 − 20 50
6 220 0 20 0 190
3 3 3
7 105 0 − 25 − 95 0
8 60 20 0 0 30
9 30 50 0 30 0
10 48 38 −6 0 0
Solución básica factible

Una solución básica es factible cuando todos las variables toman valores no ne-
gativos.
Observe en el cuadro anterior que en la soluciones 1 – 4 – 6 – 8 – 9 todos los valores

de las variables son no negativos, por lo tanto tenemos soluciones factibles, mientras que
en las soluciones 2 – 3 – 5 – 7 – 10, algunas variables toman valores negativos, por lo
tanto son soluciones no factibles.
En este problema, una solución básica factible tiene máximo tres variables con
valores positivos, y el resto de las variables son iguales a cero. Por ejemplo:
x1 = 0, x2 = 0 h1 = 80, h2 = 220, h3 = 210

Variables no básicas Variables básicas
378 ALGEBRA LINEAL
Diagrama de flujo del método simplex.
A d icio n e las variab les

d e h o lg u ra a to d as las
d esig u ald ad es
E n cu en tre u n a s o lu c ión
b ásica fac tib le
H ay u n a so lu ció n R e su elv a el p ro b lem a

sí p ara la “m e jo r” so lu ció n
b ásica
factib le “m ejo r” ? b ásica fac tib le .
no
L a so lu ció n b á sica
factib le es la ó p tim a
F IN
6.2 TABLA SIMPLEX INICIAL

Anteriormente se planteó el problema de programación lineal y se
añadieron variables de holgura para convertir las restricciones de me-
nor e igual (<) en igualdades, ahora tabulamos el mismo problema en
forma de matriz la cual se denomina tabla simplex inicial. Tabla simplex
Tabla o cuadro
Utilizando la siguiente notación: que mediante
c j : Coeficiente de la variable xj en la función objetivo. operaciones
elementales
b i : Valor del lado derecho para la restricción i.
entre filas,
a i j : Coeficiente de la variable de decisión. utiliza el método
simplex.
Continuando con el ejemplo del problema de la fábrica de muebles,
podemos construir la siguiente tabla inicial.
Modelo de PL Coeficientes
Maximizar: Z = 5x1 + 6x2 5 6
Sujeto a: x1 + x2 < 80 1 1 80
3x1 + 2x2 < 220 3 2 220
2x1 + 3x2 < 210 2 3 210
x1, x2 >0
Los coeficientes de la primera fila que son 5 y 6 corresponden a los coeficientes de la

función objetivo, además las constantes 80, 220, 210 son los valores del lado derecho de
las restricciones de los departamentos de corte, armado y acabado, respectivamente y
se denominan parámetros del modelo.
LM1 1 OP
Los elementos de la matriz M 3 PQ
2 corresponden a los coeficientes de las variables
N2 3
de decisión.
Consideremos ahora el problema de PL con variables de holgura:
Maximizar: Z = 5x1 + 6x2 + 0h1 + 0h2 + 0h3
Sujeto a : x1 + x2 + h1 + 0h2 + 0h3 = 80
3x1 + 2x2 + 0h1 + h2 + 0h3 = 220
2x1 + 3x2 + 0h1 + 0h2 + h3 = 210
x1 > 0, x2 > 0, h1 > 0, h2 > 0, h3 > 0
Las variables que involucra el problema son x1, x2, h1, h2, h3 donde x1, x2 son variables
de decisión mientras que h1, h2, h3 son variables de holgura por lo tanto la forma tabular
es:
x1 x2 h1 h2 h3
5 6 0 0 0 bi
1 1 1 0 0 80
3 2 0 1 0 220
2 3 0 0 1 220
La solución básica factible inicial es x1 = 0, x2 = 0, h1 = 80, h2 = 220, y h3 = 210 donde

h1, h2, h3 son variables básicas, esta solución se observa en la matriz anterior de la
siguiente manera: las columnas de las variables básicas están formadas por un elemento
1 y los demás ceros, la solución de una variable básica es el valor de la última columna
380 ALGEBRA LINEAL
(bi), que se encuentra en la fila del 1 correspondiene a la variable básica, de esta manera
tenemos:
h1 = 80
h2 = 220
h3 = 210
Ahora para facilitar los cálculos agregamos dos columnas en la tabla la primera
llamada columna base y corresponde a un listado de las variables básicas del momento
Base
h1
h2
h3
La segunda columna consiste en los coeficientes de las variables básicas del momento
tomado de la función objetivo. La función objetivo con variables básicas y no básicas es:
Z = 5x1 + 6x2 + 0h1 + 0h2 + 0h3, inicialmente las variables básicas son h1, h2, h3, con
los coeficientes cero, por lo tanto la columna cj es:
Base cj
h1 0
h2 0
h3 0
Completando la tabla con las columnas base y cj mencionadas anteriormente tenemos:
x1 x2 h1 h2 h3
Base cj 5 6 0 0 0 bi
h1 0 1 1 1 0 0 80
h2 0 3 2 0 1 0 220
h3 0 2 3 0 0 1 210
Los valores de las variables básicas son los valores correspondientes a los bi es decir,
h1 = 80 = b1
h2 = 220 = b2
h3 = 210 = b3
Mientras que x1 y x2 son variables no básicas por lo tanto:
x1 = 0 x2 = 0
Otro aspecto importante para completar la tabla inicial simplex es adicionar dos
filas llamadas zj y cj – zj.
La primera fila se refiere a la contribución que se pierde por unidad

que se fabrica y la segunda fila es la contribución neta por unidad que
se fabrica.
Los valores de zj se obtienen como la suma de los productos de la
columna cj por los coeficientes asociados a las variables (x1, x2, h1, h2,
h3), por ejemplo:
z1 = 0(1) + 0(3) + 0(2) = 0
z2 = 0(1) + 0(2) + 0(3) = 0
z3 = 0(1) + 0(0) + 0(0) = 0
z4 = 0(0) + 0(1) + 0(0) = 0
z5 = 0(0) + 0(0) + 0(1) = 0
Podemos también calcular el valor de Z con la suma de los produc-
tos de los elementos correspondientes en las columnas cj y bi.
cj bi
LM OP
h1 0 LM 80 OP
MM PP
h2 0
MM220 P
h3 0NQ N210PQ
Realizando el cálculo resulta: Z = 0(80) + 0(220) + 0(210) = 0
La tabla simplex inicial con la nueva fila zj es:
Tabla simplex:
Tabla o cuadro
x1 x2 h1 h2 h3
que mediante
Base cj 5 6 0 0 0 bi operaciones
elementales entre
h1 0 1 1 1 0 0 80 filas utiliza el
método simplex.
h2 0 3 2 0 1 0 220
h3 0 2 3 0 0 1 210
zj 0 z1 z2 z3 z4 z5 0 Base:
Conjunto de
variables que
La fila cj – zj, se obtiene como la diferencia entre los coeficientes cj no están
reducidas a cero
de la función objetivo y los valores correspondientes zj
en la solución
c1 – z1 = 5 – 0 = 5 básica del
c2 – z 2 = 6 – 0 = 6 momento, a
c3 – z 3 = 0 – 0 = 0 estas variables
se les llama
c4 – z4 = 0 – 0 = 0 variables
c5 – z5 = 0 – 0 = 0 básicas.
382 ALGEBRA LINEAL
La fila cj – zj queda planteada así:

c j – zj 5 6 0 0 0
Completando la tabla simplex inicial
x1 x2 h1 h2 h3 Variables
Base cj 5 6 0 0 0 bi Contribución por unidad
h1 0 1 1 1 0 0 80 Coeficientes
Contribución
Contribución que
que se
se pierde
pierde
zj 0 0 0 0 0 0
porunidades
por unidad que
quese
sefabrica
fabrica
Contribución
Contribución neta
neta por unidad
por unidad
cj - zj 5 6 0 0 0
que se fábrica
que fabrica
Utilidad
Interpretando la tabla simplex inicial tenemos que h1, h2, h3 son variables básicas
con valores 80, 220 y 210 respectivamente e interpretándolos en el contexto del problema
corresponden a las horas disponibles no utilizadas en los departamentos de corte, armado
y acabado, además las variables no básicas son x1 y x2, son cero lo cual quiere decir
que no se produce ningún tipo de escritorio, y la utilidad es Z = 0
Si observamos en la última fila de la tabla simplex cj – zj conocida como fila de
contribución neta, los valores mostrados en la porción de la tabla son:
cj – zj 5 6 0 0 0
Indicadores
Indicadores
Los valores 5 y 6 en los indicadores se interpretan de la siguiente manera: por cada
unidad producida adicionalmente de escritorios tipo I, la utilidad aumenta en US$ 5 y por
cada unidad producida adicionalmente de escritorios tipo II la utilidad aumenta en US$ 6,
como los escritorios tipo II producen mayor utilidad por incremento unitario, se elige x2
como variable básica y se introduce en la tabla.
Ahora hay que determinar cuál es la variable básica que se debe convertir en
variable no básica, observamos los coeficientes de x2 en las restricciones:
LM1 OP → Hora por cada escritorio tipo II en el departamento decorte

MM23PP →→ Hora por cada escritorio tipo II en el departamento dearmado
N Q Hora por cada escritorio tipo II en el departamento deacabado
de esta manera por cada unidad que se produce de x2, se disminuye una hora de las
80 disponibles en el departamento de corte, luego se producen 80 = 80 escritorios tipo II,
1
por cada unidad de x2 producida en el departamento de armado se disminuyen 2 horas de
las 220 disponibles, por lo tanto se producen 220 = 110 escritorios tipo II, por último si se
2
produce un escritorio tipo II en el departamento de acabado se disminuyen 3 horas de las
210 disponibles de esta forma se producen 210 3
= 70 unidades, por lo tanto la mayor
limitante corresponde a las unidades en el departamento de acabado.
Con la justificación anteriormente expuesta x2 se convierte en variable básica y h3 es
la variable no básica.
Recordemos que los elementos aij son los coeficientes que acompañan a las variables
de decisión en las restricciones y los bi son los valores del lado derecho de las restricciones.
Ahora construimos una nueva columna en la tabla simplex inicial llamada bi/aij que
siempre nos indica el número de unidades producidas en cada departamento según lo
disponible con respecto a las horas por unidad.
Consideramos la tabla simplex inicial con la columna bi/ai2
x1 x2 h1 h2 h3
Base cj 5 6 0 0 0 bi bi / ai 2
h1 0 1 1 1 0 0 80 80 / 1 = 80 f1
h2 0 3 2 0 1 0 220 220 / 2 = 110 f2
h3 0 2 3 0 0 1 210 210 / 3 = 70 f3
zj 0 0 0 0 0 0
cj - zj 5 6 0 0 0
El criterio para elegir la variable no básica consiste en escoger el menor cociente

bi/ai2 positivo, en caso de encontrar empates se escoge la fila que esté más arriba.
384 ALGEBRA LINEAL
Cálculo para la tabla siguiente

Interpretando los resultados de la tabla inicial simplex se producen
x1 = 0 y x2 = 0; unidades de escritorios tipo I y II respectivamente por
lo tanto de las horas disponibles en cada departamento que son 80, 220, Columna pivote
210 no se ha empleado ninguna, lo cual quiere decir que tenemos que Columna de
mejorar la solución y encontrar una nueva solución factible que au- la tabla simplex
que corresponde
mente la utilidad, que en este momento es z = 0 a la variable
básica que
está por quedar
Columna pivote y fila pivote fuera de
la solución
Como la variable entrante es x2 y la variable h3 es la de salida
para la siguiente tabla, a la columna de x2 se le llama columna
pivote y a la fila de h3 se le llama fila pivote.
ELEMENTO PIVOTE
Es el elemento de la tabla simplex correspondiente al cruce
entre la fila pivote y la columna pivote.
En el caso del problema que estamos tratando el elemento pivote es

3 porque es el cruce entre la columna pivote de x2 y la fila pivote de
h3, este elemento se encierra con un cuadrado y se muestra en la
tabla: Fila del pivote
Fila de la tabla
simplex que
x1 x2 h1 h2 h3 corresponde
a la variable
Base cj 5 6 0 0 0 bi bi / a i 2 básica que está
por quedar fuera
h1 0 1 1 1 0 0 80 80 / 1 = 80 f1 de la solución.
h2 0 3 2 0 1 0 220 220 / 2 = 110 f2
h3 0 2 3 0 0 1 210 210 / 3 = 70 f3
zj 0 0 0 0 0 0
cj − zj 5 6 0 0 0
Como el objetivo es mejorar la solución para obtener la mayor utilidad

posible, se desea actualizar la tabla simplex inicial de manera que la
columna en la variable básica x2, sea una columna con la siguiente
forma:
LM0OP LMa 12 OP
MM10PP = MMaa PP
NQ N Q
22
32
Para realizar este proceso en la tabla simplex es necesario aplicar las operaciones
elementales entre filas, vistas anteriormente en el capítulo II de Sistemas de Ecuaciones
Lineales.
Vale la pena recordar nuevamente tales operaciones:
Operaciones elementales entre filas

• Multiplicar una fila por una constante diferente de cero.
• Intercambiar dos filas.
• Sumar un múltiplo de una ecuación o fila a otra.
La matriz correspondiente a los coeficientes de las restricciones junto con sus térmi-
nos independientes es:
LM1 1 1 0 0 80OP
MM23 2 0 1 0 220
PP
N 3 0 0 1 210 Q
Elemento pivote
Para obtener la nueva tabla simplex, la segunda columna de la matriz anterior debe
tener la forma:
LM0OP
MM10PP
NQ
Para transformar la segunda columna, aplicamos las operaciones elementales entre
filas:
F3 ↔ 1 F (Se cambia la fila 3 por 1 de la fila 3, para convertir a a32 en 1)

3 3 3
LM 1 1 1 0 0 80 OP
MM 23 2 0 1 0 220 PP
N3 Q
1 0 0 1 70
3
386 ALGEBRA LINEAL
Para convertir en cero a a12 y a22, efectuamos sobre la matriz las

siguientes operaciones elementales:
1. Multiplicamos la fila 3 por (–1) y sumamos el resultado a la fila 1,
[F1 ↔ (–1) F3 + F1 ]
2. Multiplicamos la fila 3 por (–2) y sumamos el resultado a la fila 2,
[F2 ↔ (–2) F3 + F2 ]
La nueva matriz es:
LM 13 0 1 0 −1 10OP
MM 5 0 0 1
3
−2 80P
P
MM 23 3
P
70P
N3 Q
1 0 0 1
3
Escribiendo la nueva tabla simplex con los datos de la matriz anterior,

tenemos:
x1 x2 h1 h2 h3 Operaciones
elementales
Son operaciones
Base cj 5 6 0 0 0 bi que se realizan
entre filas en un
h1 0 1 0 1 0 −1 10 sistema de
3 3 ecuaciones, sin
h2 0 5 0 0 1 − 2 80 cambiar
3 3 su solución
x2 6 2 1 0 0 1 70
3 3
zj
cj − zj
Para completar la tabla calculamos los zj;

z1 = 0( 13 ) + 0( 53 ) + 6( 23 ) = 4
z2 = 0(0) + 0(0) + 6(1) = 6
z3 = 0(1) + 0(0) + 6(0) = 0
z4 = 0(0) + 0(1) + 6(0) = 0
z5 = 0( − 13 ) + 0( − 23 ) + 6( 13 ) = 2
Ahora calculamos los valores de cj – zj :

c1– z1 = 5 – 4 = 1
c2 – z 2 = 6 – 6 = 0
c3 – z 3 = 0 – 0 = 0
c4 – z4 = 0 – 0 = 0
c5 – z5 = 0 – 2 = –2
Por último calculamos la utilidad de la siguiente forma:
z = 0(10) + 0(80) + 6(70) = 420
Reemplazando todos los valores la nueva tabla simplex nos queda así:
x1 x2 h1 h2 h3
h1 0 1 0 1 0 −1 10
3 3
h2 0 5 0 0 1 −2 80
3 3
x2 6 2 1 0 0 1 70
3 3
zj 4 6 0 0 2 420
cj − zj 1 0 0 0 −2
Para interpretar los resultados de esta nueva tabla, escribimos las ecuaciones corres-
pondientes:
1x + + h1 + – 1 h3 = 10
3 1 3
5x + h2 – 2 h3 = 80
3 1 3
2x +x + 1 h3 = 70
3 1 2 3
En este momento las variables básicas son h1, h2, x2 y las variables no básicas
son x1 = 0 y h3 = 0, reemplazando estos valores en las ecuaciones anteriores los valores
de las variables básicas son:
h1 = 10 h2 = 80 x2 = 70
388 ALGEBRA LINEAL
Ahora nos detenemos para hacer la siguiente pregunta ¿Cómo saber que efectiva-
mente tenemos ya la solución óptima factible?
Finalización de las iteraciones en el método simplex.

Las iteraciones en el método simplex se detienen cuando los elementos de la fila
cj – zj son cero o negativos, es decir cj – zj < 0; en este caso la solución del
problema es la óptima.
La fila cj – zj de la última tabla es:
c j – zj 1 0 0 0 –2
nuevos indicadores
Los nuevos indicadores nos dicen que no se cumple la condición de que todos los
elementos cj – zj sean ceros o menores que cero, puesto que aparece un elemento
positivo que es 1, esto indica que todavía no tenemos la solución óptima del problema, por
lo tanto tenemos que iterar y crear una nueva tabla simplex con el fin de dar paso a una
mejor solución.
Nuevamente procedemos a determinar mirar cual es la variable que entra y la varia-
ble que sale para la siguiente tabla.
Si observamos los indicadores de la fila cj – zj escogemos a x1 como variable básica
puesto que tiene mayor coeficiente positivo.
Ahora para saber cual es la variable que sale realizamos nuevamente el cálculo de
los cocientes bi /ai1
x1 x2 h1 h2 h3
Base cj 5 6 0 0 0 bi bi / ai1
h1 0 1 0 1 0 −1 10 10 = 30
3 3 1/ 3
h2 0 5 0 0 1 − 2 80 80 = 48
3 3 5/ 3
x2 6 2 1 0 0 1 70 70 = 105
3 3 2/3
zj 4 6 0 0 2 420
cj − zj 1 0 0 0 −2
Como 30 es el cociente mínimo, la variable que sale es h1, luego el elemento a11 = 1/3 es
el pivote y se encierra en un cuadrado, en resumen queda como variable básica x1 y
como variable no básica h1, por lo tanto las operaciones elementales se deben realizar
en la columna x1 para convertirla en columna unidad de la forma siguiente:
LM1OP
MM00PP
NQ
Las operaciones elementales para crear la nueva tabla simplex son:
a) Multiplicar la fila 1 por 3 para convertir a a11 en 1, (F1 ↔ 3F1)
b) Multiplicar la fila del pivote por − 5 y sumarla a la fila dos para convertir a a21 en 0
3
(F2 ↔ − 5 F1 + F2)
3
c) Multiplicar la fila del pivote por − 2 y sumarla a la fila tres para convertir a a31 en 0,
3
(F3 ↔ − 2 F1 + F3)
3
por lo tanto, la nueva tabla simplex que se genera es la siguiente:
x1 x2 h1 h2 h3
x1 5 1 0 3 0 −1 30
h2 0 0 0 −5 1 1 30
x2 6 0 1 −2 0 1 50
zj 5 6 3 0 1 450
cj − zj 0 0 −3 0 −1
Nuevos indicadores
Notemos que en la fila cj – zj los elementos son ceros o negativos, por lo tanto ya
hemos encontrado la solución óptima del problema.
390 ALGEBRA LINEAL
Interpretación de los resultados

La solución óptima del problema de la fábrica de muebles consta de tres variables
básicas x1, h2, x2 y variables no básicas h1, h3 y los resultados son los siguientes:
x1 = 30
h2 = 30
x2 = 50
h1 =0
h3 =0
La fábrica de muebles debe producir 30 escritorios tipo I y 50 escritorios tipo II con
el fin de obtener una utilidad máxima de US$ 450.
En cuanto al manejo de los recursos como h2 = 30, la holgura del departamento de
armado es de 30 horas que equivale a que no se utilizan todas las 220 horas disponibles,
mientras que en el departamento de corte y acabado las variables de holgura son h1 = 0
h3 = 0, lo que quiere decir que se utilizan todas las horas disponibles que son 80 y 210
horas respectivamente.
6.3 COMPARACIÓN DEL MÉTODO SIMPLEX CON EL

MÉTODO GRÁFICO.
La gráfica correspondiente de la región factible de la fábrica de muebles es:
B
Tipo II
A E
Tipo I
La región factible tiene vértices A, B, C, D y E, en cada uno de ellos teníamos una

solución del problema, en el vértice C obtuvimos la mayor utilidad, ahora hacemos un
cuadro comparativo de cada iteración del problema simplex con el gráfico de la siguien-
te manera:
Vértice x1 x2 h1 h2 h3 Utilidad Iteración
A 0 0 80 220 210 0 0
B 0 70 10 80 0 420 1
C 30 50 0 30 0 450 2
Según lo anterior el problema tuvo dos iteraciones para el mejora-

miento de la utilidad, lo cual significa que el método simplex busca
optimizar la solución en los vértices de la región factible, para el caso
del problema, la prioridad fue comenzar el recorrido por el vértice A,
luego el B y terminar en C.
La siguiente gráfica muestra las trayectorias del método simplex:
A → B → C
iteración 1 iteración 2
Al escoger el indicador de mayor utilidad en el renglón cj – zj ,
resultan dos iteraciones en el método simplex como se aprecia en la
gráfica, si escogemos un valor que no sea el mayor en el renglón cj – zj,
Iteración
seguramente la trayectoria del simplex sería:
Secuencia de
A → E → D → C pasos que
se llevan a cabo
iteración 1 iteración 2 iteración 3 para desplazarse
de una solución
Saldría una iteración más, pero también se llega a la optimización del factible a otra.
problema. Con fines prácticos para ahorrar cálculos y disminuir el número
de tablas (número de iteraciones), es conveniente escoger el mayor
valor en el renglón cj – zj en el momento de seleccionar el pivote.
Ejemplo
Resolver el siguiente problema de programación lineal
Maximizar Z = 2.5x1 + 5x2 + x3 + x4
Sujeto a : x1 + 1.4x2 + 0.2x3 + 0.8x4 < 1600
2x1 + 2x2 + 1.6x3 + x4 < 1300
1.2x1 + x2 + x3 + 1.2x4 < 960
x1, x2, x3, x4 >0
Este problema tiene 4 variables de decisión y tres restricciones de
menor e igual por lo tanto necesitamos tres variables de holgura h1, h2,
y h3; ahora procedemos a convertir el problema a la forma estándar:
392 ALGEBRA LINEAL
Maximizar: Z = 2.5x1 + 5x2 + x3 + x4 + 0h1 + 0h2 + 0h3

Sujeto a : x1 + 1.4x2 + 0.2x3 + 0.8x4 + h1 = 1.600
2x1 + 2x2 + 1.6x3 + x4 + h2 = 1.300
1.2x1 + x2 + x3 + 1.2x4 + h3 = 960
x1, x2, x3, x4, h1, h2, h3 >0
Ahora construimos la tabla simplex inicial con las variables de decisión y holgura, las
restricciones, valores del lado derecho y la función objetivo, de la siguiente manera:
x1 x2 x3 x4 h1 h2 h3
Base cj 2.5 5 1 1 0 0 0 bi / a i 2
h1 0 1 14
. 0.2 0.8 1 0 0 1600 . = 1142.8
1600 / 14
h2 0 2 2 16
. 1 0 1 0 1300
. 1300 / 2 = 650
h3 0 12
. 1 1 12
. 0 0 1 960 960 / 1 = 960
zj 0 0 0 0 0 0 0 0
cj − zj 2.5 5 1 1 0 0 0
Observando la tabla anterior, la variable que entra es x2, y la variable que sale es h2,
de esta forma la siguiente tabla nos queda:
x1 x2 x3 x4 h1 h2 h3
Base cj 2.5 5 1 1 0 0 0
h1 0 −0.4 0 −0.92 01
. 1 −0.7 0 690
x2 5 1 1 0.8 0.5 0 0.5 0 650
h3 0 0.2 0 0.2 0.7 0 −0.5 1 310
zj 5 5 4 2.5 0 2.5 0 3.250
cj − zj −2.5 0 −3 −15
. 0 −2.5 0
Como los elementos de renglón cj – zj son negativos y cero el problema, ya es óptimo

con los siguientes resultados:
x1 0 Variable no Básica
x2 650 Variable Básica
h1 690 Variable Básica
h2 0 Variable no Básica
h3 310 Variable Básica
z 3.250 Valor Función objetivo
6.4 RESTRICCIONES CON DESIGUALDADES DEL TIPO MAYOR O

IGUAL
Supóngase que la compañía de muebles del problema anterior, hizo un contrato don-
de tiene que entregar los escritorios tipo I y tipo II semiacabados, por lo tanto desisten
temporalmente del departamento de acabado, y se elimina del problema la restricción
Además de las otras especificaciones de los escritorios, cada escritorio tipo I debe
llevar 3 cerraduras de seguridad, mientras que cada escritorio tipo II debe llevar una
cerradura de seguridad. Por esta razón la compañía hizo un convenio con un proveedor
con la condición de que sumistraría como mínimo 180 cerraduras de seguridad. De esta
manera la nueva restricción del problema es :
3x1 + x2 > 180 compra a proveedores
El problema modificado es:
3x1 + x2 > 180 compra a proveedores
x1, x2 >0
Representando la nueva región factible con las nuevas restricciones obtenemos lo
siguiente:
394 ALGEBRA LINEAL
Región
Factible
C D
O
A E
Observando la gráfica, el vértice B desapareció, y los vértices A y C se modificaron;

mientras que los vértices D y E permanecen iguales. El vértice x1 = 0, x2 = 0, ya no es
factible; con el objeto de utilizar el método simplex en el problema modificado se utilizan
dos variables de holgura para las restricciones de menor e igual y se resta una nueva
variable llamada de excedente para la restricción de mayor e igual. La forma estándar
del problema modificado es:
Sujeto a : x1 + x2 + h1 = 80
3x1 + 2x2 + h2 = 220
3x1 + x2 – h3 = 180
x1, x2, h1, h2, h3 >0
Observe que la explicación más apropiada para ver que (x1, x2) = (0.0) no es factible,
es que al reemplazar estos valores al problema modificado se generan los siguientes
resultados:
x1 = 0
x2 = 0
h1 = 80
h2 = 220
h3 = –180
La variable de excedente h3 da negativa, lo cual no es aceptable puesto que debe ser

positiva, por lo tanto: x1 = 0, x2 = 0 no es solución factible.
Con el propósito de encontrar una solución básica factible en términos

de las variables de holgura h1, h2, se involucra una nueva variable a3 que
se denomina variable artificial, esta variable a3 es solo un artificio
matemático, no representa ninguna situación del problema de la compañía
de muebles, solo sirve para construir la tabla inicial simplex e iniciar el
algoritmo simplex. Sumando la variable artificial a la tercera restricción, Variable artificial
obtenemos: En una variable
que permite
x1 + x2 + h1 = 80 crear una
3x1 + 2x2 + h2 = 220 solución básica
3x1 + x2 – h3 + a3 = 180 factible inicial
para iniciar
Hay que tener en cuenta que la variable artificial se necesita inicial- el método
simplex.
mente en el problema y después desaparece antes de obtener la solución
óptima del problema, por lo tanto para eliminar las variables artificiales
existe un método muy sencillo que consiste en asignarle a las variables
artificiales un costo muy elevado en la función objetivo.
Para eliminar la variable artificial a3 de la base, le asignamos en la
función objetivo un coeficiente de utilidad muy grande y negativo llamado
–M, por lo tanto la forma estándar del problema modificado es:
Maximizar : 5x1 + 6x2 + 0h1 + 0h2 + 0h3 – Ma3
Sujeto a : x 1 + x 2 + h1 = 80
3x1 + 2x2 + h2 = 220
3x1 + x2 – h3 + a3 = 180
x1, x2, h1, h2, h3, a3 >0
Además la tabla inicial simplex del problema modificado nos queda
de la siguiente manera:
x1 x2 h1 h2 h3 a3
Base cj 5 6 0 0 0 −M bi bi / ai 1
h1 0 1 1 1 0 0 0 80 80 / 1 = 80
h2 0 3 2 0 1 0 0 220 220 / 3 = 73,3
a3 −M 3 1 0 0 −1 1 180 180 / 3 = 60
zj −3M −M 0 0 M −M −180M
cj − zj 5 + 3M 6+M 0 0 −M 0
Como observamos en la tabla anterior las variables básicas son h1,

h2, a3 y las variables no básicas son x1, x2, h3 teniendo en cuenta que:
x1 = 0 y x2 = 0, no son soluciones factibles.
396 ALGEBRA LINEAL
En consecuencia la solución inicial del problema es :

x1 = 0
x2 = 0
h1 = 80
h2 = 220
h3 = 0
a3 = 180
Para la siguiente iteración hay que escoger el mayor valor de fila de contribución neta
cj – zj, que en este caso es 5+3M luego x1 es la variable básica y para escoger la variable
no básica procedemos de la misma manera como lo mencionamos anteriormente, recor-
demos que se dividen los valores bi entre los ai es decir bi / ai1 y se escoge el menor
cociente, como se muestra en la tabla anterior; luego x1 reemplaza a a3, así la siguiente
tabla es:
x1 x2 h1 h2 h3 a3
Base cj 5 6 0 0 0 −M bi
h1 0 0 2 1 0 1 −1 20
3 3 3
h2 0 0 1 0 1 1 −1 40
x1 5 1 1 0 0 −1 1 60
3 3 3
zj 5 5 0 0 − 5 5 300
3 3 3
cj − zj 0 13 0 0 5 −M − 5
3 3 3
Para observar las secuencias de las soluciones en el problema de la compañía de

muebles graficamos la región factible nuevamente,
Solución básica
factible
Valores de las
variables que
satisfacen las
restricciones de
igualdad y de no
negatividad de un
C D problema de
programación
O lineal en forma
E estándar,
A después de que
las variables no
básicas se toman
como cero
En este momento la solución es factible porque la iteración implica
que la solución se desplazará del origen O al vértice A en 60 unidades
donde x1 = 60. Aquí la variable artificial a3 desapareció del problema
Técnicamente el método simplex tiene dos etapas llamadas Fase I
y Fase II que las explicamos en el siguiente diagrama.
Método simplex
Fase I Fase II
Se requieren las variables Se continuan las iteraciones
artificiales para obtener una del método simplex sin
Forma estándar
solución básica factible variables artificiales Es un problema
y luego se eliminan las de programación
variables artificiales lineal en el
que la función
objetivo debe
maximizar, y
Con objeto de minimizar los cálculos y eliminar la variable artificial solamente las
a3 de la base en la tabla simplex, se suprime la columna correspondien- restricciones son
te a la variable artificial a3 obteniendo la siguiente tabla, y finalizando la de igualdad,
con todas las
fase I.
variables de los
lados derechos
positivas.
398 ALGEBRA LINEAL
x1 x2 h1 h2 h3
Base cj 5 6 0 0 0 bi bi / a i 2
h1 0 0 2 1 0 1 20 20 = 30
2
3 3 3
h2 0 0 1 0 1 1 40 40 = 40
1
x1 5 1 1 0 0 −1 60 60 = 180
1
3 3 3
zj 5 5 0 0 − 5 300
3 3
cj − zj 0 13 0 0 5
3 3
Ahora como ya no tenemos ninguna variable artificial, estamos en disposición de

comenzar la fase II del método simplex puesto que los elementos del renglón neto cj – zj
no son menores o iguales a cero por lo tanto el problema no es óptimo todavía. Ahora
escogemos a x2 como variable básica porque cj – zj = 13 es el mayor valor positivo del
3
renglón cj – zj , x2 reemplaza a h1 en la base, y teniendo en cuenta que el pivote es 2

3
encerrado por el cuadrado, se obtiene la siguiente iteración:
x1 x2 h1 h2 h3
x2 6 0 1 3 0 1 30
2 2
h2 0 0 0 −3 1 1 10
2 2
x1 5 1 0 −1 0 −1 50
2 2
zj 5 6 13 0 1 430
2 2
cj − zj 0 0 − 13 0 −1
2 2
En la tabla anterior el desplazamiento del método simplex fue del vértice A, al vértice
C, resumiento gráficamente el método simplex, los pasos fueron los siguientes:
Fase I Fase II
O A C
Variable artificial
Es una variable
Origen Optimo que permite
crear una
Se elimina Sin solución básica
la variable la variable factible inicial
artificial artificial para
iniciar el
método
Como los elementos del renglón neto cj – zj < 0, el problema es simplex
óptimo con los siguientes resultados:
x1 = 50
x2 = 30
h1 = 0
h2 = 10
h3 = 0
En estas condiciones la compañía necesita producir 50 escritorios
tipo I, 30 escritorio tipo II, en el departamento de corte se necesitan
todas las 80 horas disponibles, en el departamento de armado sobran l0
horas, se necesitan 210 horas, y hay que comprarle a los proveedores
180 cerraduras de seguridad.
Ejemplo 2. Considere el siguiente problema de P.L.
Maximizar : Z = x1 + 4x2 – x3
Sujeto a : – x1 – x 2 + x 3 < – 5 (1)
x1 + x 2 + x 3 < 3 (2)
– x1 + x2 – x3 = –7 (3)
x1, x2, x3 >0
• Convertir el problema en forma tabular

• Construír la tabla inicial simplex
Paso I
Para llevar el problema de programación a forma tabular el primer
paso es eliminar los valores negativos en los lados derechos, sencilla-
mente se multiplican por (–1) las restricciones invirtiendo el sentido de
las desigualdades de menor e igual a mayor e igual.
En la restricción – x 1 – x2 + x3 < – 5 (1)
400 ALGEBRA LINEAL
Multiplicando por (–1) los dos miembros de la desigualdad, obtenemos :

x1 + x2 – x3 > 5
En la restricción (3) – x1 + x2 – x3 = – 7, multiplicando por (–1) los dos miembros de
la igualdad obtenemos:
x1 – x2 + x3 = 7
Por lo tanto el problema de programación lineal equivalente es :
Maximizar : Z = x1 + 4x2 – x3
Sujeto a : x1 + x2 – x3 >5
x1 + x2 + x3 <3
x1 – x2 + x3 =7
x1, x2, x3 >0
Observe que en el problema hay una restricción de igualdad x1 – x2 + x3 = 7, para

llevarlo a la forma tabular sólo basta con sumar una variable artificial a3, de esta manera
la restricción equivalente es x1 – x2 + x3 + a3 = 7, además al coeficiente de la variable
artificial en la función objetivo se le asigna un valor –M, quedando la variable artificial
a3 como variable básica factible inicial.
Forma tabular del problema
Maximizar :Z = x1 + 4x2 – x3 + 0h1 + 0h2 – Ma1– Ma3
Sujeto a : x1 + x2 – x3 – h1 + a1 =5
x1 + x2 + x3 + h2 =3
x1 – x2 + x3 + a3 =7
x1, x2, x3, h1, h2, a1, a2 >0
La tabla simplex inicial correspondiente a la forma tabular es:
x1 x2 x3 h1 h2 a1 a3
Base cj 1 4 −1 0 0 −M −M bi
a1 −M 1 1 −1 −1 0 1 0 5
h2 0 1 1 1 0 1 0 0 3
a3 −M 1 −1 1 0 0 0 1 7
zj −2 M 0 0 M 0 −M −M −12 M
cj − zj 1+ 2 M 4 −1 −M 0 0 0
6.5 SOLUCIÓN DE PROBLEMAS DE MINIMIZACIÓN CON EL

MÉTODO SIMPLEX.
Para utilizar el método simplex en un problema de minimización solo basta con multi-
plicar la función objetivo por (–1), con el fin de convertir el problema de minimización en
un problema equivalente de maximización, donde su solución óptima nos proporciona la
solución para el de minimización. Ahora ilustraremos el siguiente ejemplo:
Ejemplo 3
La compañía Propapel S.A. produce papel bond para oficina de diferente tamaño,
carta y oficio. Para elaborarlos se utilizan dos máquinas de impresión que le dan el color,
máquinas I y II. En la máquina I se requieren 2 horas para la elaboración de una
tonelada de papel tamaño carta y 2 horas para el papel tamaño oficio; en la máquina II se
requieren 2 horas para la elaboración de una tonelada de papel tamaño carta, y 6 horas
para una tonelada de papel tamaño oficio. La máquina I, para efectos de costo, puede
trabajar máximo 8 horas, mientras que la máquina II debe trabajar por lo menos 12
horas.
Cuántas toneladas diarias de papel de tamaño carta y oficio deben producirse con el
fin de minimizar el costo, si el costo por unidad de cada tonelada de papel es de 1.5 y 2
dólares para carta y oficio respectivamente.
Solución. Definamos primero las variables de decisión.

Sea x1: número de toneladas de papel tamaño carta
y x2 número de toneladas de papel tamaño oficio.
Planteamiento del modelo
Minimizar : Z = 3 x1 + 2x2
2
Sujeto a : 2x1 + 2x2 < 8 Tiempo disponible máquina I
2x1 + 6x2 > 12 Tiempo mínimo máquina II
x 1, x2 > 0
Multiplicamos la función objetivo por (–1) para convertir el problema de minimización
en un problema de maximización equivalente. Luego el modelo modificado nos queda
así:
Maximizar : W = – 3 x1 – 2x2
2
Sujeto a : 2x1 + 2x2 < 8 Tiempo disponible máquina I
2x1 + 6x2 > 12 Tiempo mínimo máquina II
x 1, x2 > 0
402 ALGEBRA LINEAL
Ahora la forma tabular del problema es :
Maximizar : W = – 3 x1 – 2x2 + 0h1 + 0h2 – Ma2

2
Sujeto a : 2x1 + 2x2 + h1 =8
2x1 + 6x2 – h2 + a2 = 12
x1, x2, h1, h2, a2 >0
Tabla inicial simplex
x1 x2 h1 h2 a2
Base cj −3 −2 0 0 −M bi bi / ai 2
2
h1 0 2 2 1 0 0 8 8 =4
2
a2 −M 2 6 0 −1 1 12 12 = 2
6
zj −2 M −6 M 0 M −M −12 M
cj − zj − 3 + 2M −2 + 6 M 0 −M 0
2
La expresión –2 + 6M produce mayor valor para la función objetivo y el valor 12 = 2

6
es el menor cociente en la columna bi /ai2, luego el pivote para la primera iteración es 6,
entonces x2 se convierte en variable básica, mientras que a2 es variable no básica;
eliminando la columna de a2 obtenemos la siguiente tabla:
Tabla final
x1 x2 h1 h2
Base cj −3 −2 0 0 bi
2
h1 0 4 0 1 1 4
3 3
x2 −2 −1 1 0 −1 2
3 6
zj − 2 −2 0 1 −4
3 3
cj − zj − 5 0 0 −1
6 3
Resultados del problema:

x1 = 0
x2 = 2
h1 = 4
h2 = 0
W=–4
Toma de decisión de la compañía

El costo mínimo es de 4 dólares, ya que se multiplica por (–1) la
función objetivo, además hay que producir solo 2 toneladas diarias de
papel tamaño oficio y suspender la producción de papel de tamaño car-
ta, utilizando solo 4 horas en la máquina I y 12 horas en la máquina II.
6.6 CASOS ESPECIALES

En el capítulo IV aplicamos el método gráfico a problemas no aco-
tados, de múltiples soluciones y degenerados, de la misma manera,
trataremos con el método simplex estos problemas y la forma de reco- Múltiples
soluciones
nocer sus características.
Problema de
programación
Múltiples soluciones lineal en donde
la función
Este tipo de problema es también conocido como problema de so- objetivo alcanza
luciones óptimas alternativas, que consiste en que en algunas oca- el valor óptimo
siones la función objetivo alcanza el valor óptimo en más de un vértice en más de un
de la región factible, es decir que para el caso de dos variables la vértice de la
región factible.
función objetivo corresponde a una recta paralela a alguna de las rec-
tas de las restricciones.
404 ALGEBRA LINEAL
Recordemos el problema de la compañía de muebles. Supongamos que la utilidad por

cada unidad de escritorios tipo I, se aumenta en 5 dólares y de tipo II en 4 dólares, luego
el problema modificado nos queda así:
x1, x2 >0
Mostraremos con el método simplex como existen dos alternativas de soluciones en

los vértices C y D en el gráfico. Al aplicar el método simplex la trayectoria de los
vértices es:
A → E → D
iteración I iteración II
Tabla inicial
x1 x2 h1 h2 h3
Base cj 10 10 0 0 0 bi
h1 0 1 1 1 0 0 80
h2 0 3 2 0 1 0 220
h3 0 2 3 0 0 1 210
zj 0 0 0 0 0 0
cj − zj 10 10 0 0 0
En la primera iteración entra x1 a la base y sale h2

x1 x2 h1 h2 h3
Base cj 10 10 0 0 0 bi
h1 0 0 1 1 −1 0 20
3 3 3
x1 10 1 2 0 1 0 220
3 3 3
h3 0 0 5 0 −2 1 190
3 3 3
zj 10 20 0 10 0 2.200
3 3 3
cj − zj 0 10 0 − 10 0
3 3
Ahora la tabla final es :
x1 x2 h1 h2 h3
Base cj 10 10 0 0 0 bi
x2 10 0 1 3 −1 0 20
x1 10 1 0 −2 1 0 60
h3 0 0 0 −5 1 1 30
zj 10 10 10 0 0 800
cj − zj 0 0 −10 0 0
Los resultados de la tabla final aparecen en el gráfico de la región factible en el

vértice D
x1 = 60, x2 = 20, h1 = 0, h2 = 0, h3 = 30, Z = 800
Ahora tomamos la trayectoria en la región factible.
A → B → C
iteración I iteración II
406 ALGEBRA LINEAL
Tabla inicial
x1 x2 h1 h2 h3
bi
Base cj 10 10 0 0 0 bi
ai 2
h1 0 1 1 1 0 0 80 80
h2 0 3 2 0 1 0 220 110
h3 0 2 3 0 0 1 210 70
zj 0 0 0 0 0 0
cj − zj 10 10 0 0 0
En la siguiente iteración entra a la base x2 y sale h3
x1 x2 h1 h2 h3
bi
Base cj 10 10 0 0 0 bi
ai 1
h1 0 1 0 1 0 −1 10 30
3 3
h2 0 5 0 0 1 −2 80 48
3 3
x2 10 2 1 0 0 1 70 105
3 3
zj 20 10 0 0 10 700
3 3
cj − zj 10 0 0 0 − 10
3 3
Tabla final
Los resultados de la tabla final aparecen la región factible en el vértice C
x1 x2 h1 h2 h3
Base cj 10 10 0 0 0 bi
x1 10 1 0 3 0 −1 30
h2 0 0 0 −5 1 1 30
x2 10 0 1 −2 0 1 50
zj 10 10 10 0 0 800
cj − zj 0 0 −10 0 0
Ahora los resultados de la tabla final son:

x1 = 30, x2 = 50, h1 = 0, h2 = 30, h3 = 0, Z = 800
CONCLUSIONES
• En la trayectoria: A → E → D
La solución óptima es (x1, x2) = (60,20), con Z = 800
• En la trayectoria A → B → C la solución óptima es (x1, x2) = (30,50), con Z = 800
• En dos trayectorias diferentes y en dos vértices diferentes C y D como se observa en

el gráfico obtuvimos la misma solución óptima para la función objetivo ( Z = 800), por
lo tanto el problema tiene múltiples soluciones.
• La recta correspondiente a la función objetivo es paralela a la recta correspondiente
a la restricción x1 + x2 < 80
408 ALGEBRA LINEAL
Z=10x1+10x2
B
C
A E
Modelo de no factibilidad
Un problema de no factibilidad ocurre cuando no existe ninguna No factibilidad
No existe
solución del problema de programación lineal que satisfaga las restric- ninguna solución
ciones, incluyendo las de no negatividad. en un problema
de programación
Ahora modifiquemos el problema de la fábrica de muebles. Supon- lineal.
gamos que necesitamos que la producción total de escritorios tipo I y
tipo II sea por lo menos de 100. Por lo tanto la nueva restricción es:
x1 + x2 > 100, de esta manera el modelo de PL es:
Sujeto a : x1 + x2 < 80 departamento de corte
x1 + x2 > 100 producción mínima de x1, x2
x1, x2 > 0
Tabla inicial
x1 x2 h1 h2 h3 h4 a4
Base cj 5 6 0 0 0 0 −M bi
h1 0 1 1 1 0 0 0 0 80
h2 0 3 2 0 1 0 0 0 220
h3 0 2 3 0 0 1 0 0 210
a4 −M 1 1 0 0 0 −1 1 100
zj −M −M 0 0 0 M −M −100 M
cj − zj 5+ M 6 +M 0 0 0 −M 0
Iteración I
x1 x2 h1 h2 h3 h4 a4
Base cj 5 6 0 0 0 0 −M bi
h1 0 1 0 1 0 −1 0 0 10
3 3
h2 0 5 0 0 1 − 2 0 0 80
3 3
x2 6 2 1 0 0 1 0 0 70
3 3
a4 −M 1 0 0 0 −1 −1 1 30
3 3
zj 4− M 6 0 0 2+ M M −M 420 − 30 M
3 3
cj − zj 1+ M 0 0 0 −2 − M −M −2 M
3 3
410 ALGEBRA LINEAL
Iteración II
x1 x2 h1 h2 h3 h4 a4
Base cj 5 6 0 0 0 0 −M bi
x1 5 1 0 3 0 −1 0 0 30
h2 0 0 0 −5 1 1 0 0 30
x2 6 0 1 −2 0 1 0 0 50
a4 −M 0 0 −1 0 0 −1 1 20
zj 5 6 3+ M 0 1 M −M 450 − 20 M
cj − zj 0 0 −3 − M 0 −1 −M 0
Como observamos la variable artificial a4 se encuentra con a4 = 20 esto quiere decir

que no ha culminado la fase I del método simplex. Además los términos del renglón
neto cj – zj, son negativos o cero por lo tanto las iteraciones del problema se detienen y
tenemos la solución óptima del problema. La solución que finalmente obtenemos en la
última tabla es x1 = 30, x2 = 50, si sumamos estos dos resultados nos da 80, lo cual
contradice la restricción x1 + x2 > 100, faltando 20 unidades para la mínima producción
que son 100 unidades.
Lo anterior significa que la solución óptima no satisface las restricciones del proble-
ma por lo tanto es un modelo de no factibilidad.
No acotamiento
Recordemos que un problema de programación lineal es no acotado, si el valor de la
solución es tan grande como se quiera, a esto se le llama utopía gerencial, ya que las
compañías generarían máxima utilidad ilimitada, este problema no está contextualizado a
la realidad del modelo y no es lo suficientemente preciso.
Ahora ilustramos un ejemplo de un modelo de programación lineal con esta carac-
terística:
Sujeto a : x1 > 5
x2 < 12
x1, x2 > 0
Tabla inicial
x1 x2 h1 h2 a1
Base cj 40 20 0 0 −M bi
a1 −M 1 0 −1 0 1 5
h2 0 0 1 0 1 0 12
zj −M 0 M 0 −M −5 M
cj − zj 40 + M 20 −M 0 0
412 ALGEBRA LINEAL
Tabla final
x1 x2 h1 h2 ai
Base cj 40 20 0 0 −1 bi
x1 40 1 0 −1 0 1 5
h2 0 0 1 0 1 0 12
zj 40 0 −40 0 40 200
cj − zj 0 20 40 0 −40
El método simplex identifica inmediatamente cuando un problema de programación

lineal es no acotado, una de las características es que al determinar la variable que debe
salir de la base, no es posible sacar dicha variable de la base, por ejemplo en la tabla final,
en la fila cj – zj, el valor positivo más grande lo tiene h1, no se puede determinar el
bi
cociente ai3
, ya que a13 = – 1 y a23 = 0
bi b
= 5 = − 5; 2 = 12 = no existe
a13 −1 a23 0
lo cual significa que no puede entrar una variable básica en el problema lo cual indica
que el problema es no acotado.
Gráfica de un problema no acotado

EJERCICIOS
1. Considere el siguiente problema de programación lineal:
Sujeto a : x 1 + x2 < 100
20x1 + 40x2 < 3.000
5x1 + 20x2 < 1.350
x1, x2 >0
• Cuántas variables de holgura requiere el problema?
• Escriba el modelo de forma estándar
• Construya la tabla inicial simplex
• ¿Cuál es la variable que entra y cual la que sale en la tabla inicial?
2. Consideremos la siguiente tabla inicial
x1 x2 h1 h2
Base cj 2 3 0 0
3 6 1 0 18
6 3 0 1 36
zj
cj − zj
• Complete la tabla inicial

• Escriba el problema en forma estándar
• Escoja cual es la variable que entra y cual la que sale en la tabla inicial
• ¿Cuáles son las variables básicas y no básicas en la tabla inicial?
• ¿Cuál es el valor de la función objetivo en la tabla inicial?
• ¿Cuál es el valor de las variables de holgura en la tabla inicial?
• ¿Cuál es el valor de la función objetivo después de la primera iteración?
• ¿Cuál es la solución óptima del problema de PL?
3. Resuelva el problema 1 utilizando el método simplex

• ¿Qué relación existe entre las iteraciones del método simplex y el método gráfico
hasta llegar a la solución óptima, (Sugerencia: observe los vértices de la región factible).
414 ALGEBRA LINEAL
4. Resuelva el siguiente problema por el método simplex

Sujeta a : 1 x + 2 x < 3.000

2 1 3 2
1 x + 1 x < 2.000
2 1 3 2
x1, x2 > 0
5. Resuelva el siguiente problema por el método simplex.

Sujeta a : 1 x + 1 x < 1.200

5 1 2 2
4 x + 1 x < 1.800
5 1 2 2
x1, x2 > 0

Sujeta a : x1 + x2 < 100
x1 + 2x2 < 150
x1 + 4x2 < 270
x1, x2 >0

Sujeta a : 4x1 + 5x2 < 200
6x1 + 3x2 < 210
x1 , x 2 > 0

Maximizar : Z = x1 – x2 + x3
Sujeta a : 3x1 + x2 + 2x3 <8
x1 + 2x2 + 4x3 <6
7x1 + 4x2 + 8x3 < 25
x1, x2, x3 > 0
9. Consideremos el siguiente problema de programación lineal

Minimizar : Z = 4x1 – 4x2 + 4x3
Sujeta a: x1 – 2x2 + x3 > 2
x1 + x2 – x3 > 5
x1, x2 > 0
a. ¿Cuántas variables de excedente y artificiales se necesitan en el problema?
b. Escriba el problema en forma estandar
c. Construya la tabla inicial
d. Resuelva el problema por el método Simplex
10.Resuelva el siguiente problema por el método simplex.

Sujeta a : x1 + x2 > 40
3x1 + x2 > 50
x1 + 3x2 > 60
x1 , x 2 >0
11. Resuelva el problema de programación lineal por el método simplex y el método

gráfico, y haga la comparación:
Sujeta a : x1 + 2x2 > 30
4x1 + x2 > 50
x1 , x 2 > 0
416 ALGEBRA LINEAL
12. Considerando el siguiente problema de programación lineal.

Maximizar : Z = 4x1 + x2
Sujeta a : x1 + 2x2 >4
4x1 + 3x2 <6
4x1 + 3x2 =6
x1, x2 >0
• Escribe el modelo en forma estandar
• ¿Cuántas variables de holgura existen en el problema?
• ¿Cuántas variables artificiales hay en el problema? Justifique su respuesta.
• Construya la tabla simplex inicial.
• ¿Cuáles son las primeras variables que salen del problema?
• Resuelva el problema por el método simplex.
13. Una empresa fabrica dos tipos de silla: ergonómica y normal. Para su construcción,
una silla pasa por cuatro departamentos: ensamble, tapizado, color y terminado. Cada
departamento tiene disponibles 1.000 horas, 450 horas, 2.000 horas, y 150 horas
respectivamente. Los requerimientos de producción y utilidades por silla se muestran
en la tabla siguiente:
Tiempo de producción (horas)
Tipo de silla Ensamble Tapizado Color Terminado Utilidad / silla
Normal 2 1 4 1 15
4
Ergonómica 3 1 6 1 20
2
• Plantee el modelo de programación lineal, definiendo las variables.

• Resuelva el problema por el método simplex, para determinar cuántas sillas normales
y ergonómicas se deben producir para obtener mayor utilidad.
• Interprete todas las variables de holgura del problema.
14. En una fábrica se procesan dos tipos de camisas: camisa informal y formal; la utili-
dad por cada camisa formal es de US$ 20 por la informal US$ 10. Para llevar a cabo
la fabricación de una camisa se requiere que esta pase por cuatro departamentos:
diseño, tallaje, estampado y terminado. Se tienen disponibles 400 horas de tiempo en
diseño, 300 horas en tallaje, 500 horas en estampado y 200 horas en terminado.
En la siguiente tabla se muestran los requerimientos de tiempo en horas por unidad en

Departamento Camisa formal Camisa informal
Diseño 1 2.50
Tallaje 3 1.25
Estampado 4 3.25
Terminado 3.5 2.50
¿Cuántas camisas de cada tipo se deben producir para maximizar la utilidad?

• Defina las variables de decisión.
• Plantee el modelo de programación del problema, para maximizar la utilidad.
• Construya la primera tabla simplex, e identifique ¿cuál variable entra, y cuál sale?
• Interprete las variables de Holgura.
15. Producción. Una compañía automotriz produce automóviles tipo sedan y tipo deportivo,
cada uno de los cuales debe pasar por dos departamentos de producción. La compañía
está en capacidad de producir diariamente 70 automóviles tipo sedan y 50 tipo
deportivo. En el departamento A, se ensamblan los motores; en este departamento
los automóviles sedan requiere 1 hora de trabajo y en los deportivos 2 horas. Actual-
mente en el departamento A se pueden asignar un máximo de 120 horas de trabajo
por día a la producción de ambos tipos de automóviles. En el departamento B se
ensambla el chasis; en este departamento los automóviles sedan requieren 1 hora de
trabajo al igual que los automóviles deportivos; en la actualidad se puede asignar un
total de 90 horas de trabajo diario en el departamento B para la producción de ambos
tipos de automóviles. La utilidad de cada automóvil sedan y deportivo es de US$ 1.500
y US$ 2.000 dólares respectivamente. Si la compañía puede vender todos los auto-
móviles que produzca, con el fin de maximizar la utilidad.
• ¿Cuál es la utilidad de la compañía de automóviles?
• ¿Se utilizan todas las horas disponibles en los departamentos A y B?
418 ALGEBRA LINEAL
16. Una distribuidora de frutas tiene una máquina exclusivamente para cítricos, en par-
ticular, para el jugo de naranja y el jugo de limón. La máquina opera 150 horas a la
semana destilando jugos de naranja o de limón en concentrados y puede destilar jugo
de naranja a un ritmo de 50 galones por hora produciendo 35 galones de concentrado,
o 40 galones de jugo de limón produciendo 20 galones de concentrado.
Hasta 200 galones de concentrado pueden almacenarse en tanques separados des-
pués de su procesamiento. La ganancia neta por cada galón de jugo de naranja pro-
cesado es US$ 1.10 y del jugo de limón es US$ 0.8 .
Determine el número de galones de jugo de naranja y de jugo de limón por destilar
para maximizar la ganancia neta.
• Plantee el modelo de programación del problema y resuélvalo por el método simplex.
• Interprete los resultados del problema
17.Una empresa produce dos tipos de metales denominadas E-9 y F-9. El tipo de metal
E-9 se fabrica para uso de la compañía. El tipo de metal F-9 se destina únicamente a
labores especiales. Los dos tipos de metales se producen en dos departamentos A y
B. Haciendo uso de las predicciones económicas para el próximo mes, el gerente de
mercadeo de la empresa cree que durante este período será posible vender todos los
metales E9 y F9 que la empresa pueda producir. La administración debe ahora reco-
mendar una meta de producción para el próximo mes. Es decir, ¿Qué cantidad de
metales E-9 y F-9 deben producirse (en toneladas), para que la utilidad sea máxima?
La utilidad por cada tonelada que se venda del metal E-9 será de US$ 5.000 y por
cada tonelada de F-9, US$ 4.000 El número de horas para producir cada tonelada de
E-9 y F-9 en los departamentos A y B, se muestran en la siguiente tabla:
Departamento Horas
Para los E − 9 Para los F − 9 Total disponible
A 10 15 150
B 20 10 160
Con el objeto de mantener su posición actual en el mercado, la gerencia ha determi-

nado que para la política de operación es necesario producir una tonelada de F-9 por
cada tres de E-9. Además se sabe que un comprador ordenará por lo menos 5 tone-
ladas en la producción total de E-9 y F-9 para el próximo mes.
a. Plantee el modelo de programación del problema y resuélvalo por el método simplex.

b. Interprete los resultados del problema.
18.La empresa ambientes y aromas fabrica dos tipos de ambientadores denominados

ambientador suave y ambientador clásico. Cada uno de los ambientadores es fabri-
cado con dos componentes distintos de aromas naturales. En este momento existen
disponibles 600 libras de aroma natural con olor a rosa y 800 libras de aroma natural
con olor a sándalo. Cada libra de ambientador suave utiliza 43 de libra de aroma
natural con olor a rosa y 5 de libra de aroma natural con olor a sándalo. Cada libra de
4
ambientador clásico utiliza 3 de libra de aroma natural con olor a rosa y 1 de libra
5 4
de aroma natural de sandalo. Ademas existe un límite sobre la disponibilidad de
materiales de empaque que restringe la producción de ambientador suave a un
maximo de 800 libras.
Si la contribución a la utilidad de cada producto es de US$ 3 por libra, ¿ Cuántas libras
de cada producto se deben fabricar?
• Plantee el modelo de programación del problema y resuelvalo por el método simplex.
• Interprete los resultados del problema.
19. Una pizzería fabrica y vende pizzas, la empresa obtiene utilidades de US$ 1 por cada
pizza de la casa y US$ 2 por cada pizza de carne. Cada una incluye una combinación
de mezcla de masa y mezcla de carne. En este momento la empresa tiene 300 libras
de masa y 600 libras de carne. Cada pizza de la casa utiliza 4 libras de masa y 12 libra
de carne, mientras que cada pizza de carne utiliza 4 libras de masa y 1 libra de carne.
¿Cuántas pizzas de cada clase deben venderse con el objetivo de maximizar la utilidad?
• Plantee el modelo de programación del problema y resuélvalo por el método simplex.
• Haga una comparación del método Gráfico y el simplex en los resultados del proble-
ma.
420 ALGEBRA LINEAL
20. Considere la siguiente tabla simplex inicial de un problema de maximización:
x1 x2 x3 x4 h2 h3 a1 a3
Base cj 6 3 4 1 0 0 −M −M bi
a1 −M 4 1 −2 12 0 0 1 0 120
h2 0 2 0 2 4 1 0 0 0 40
3
a3 −M 0 2 10 0 0 −1 0 1 100
zj −4 M −3 M −8 M −12 M 0 M −M −M −220 M
cj − zj 6 + 4M 3 + 3M 4 + 8M 1 + 12 M 0 −M 0 0
• ¿Cuántas variables de decisión y restricciones existen en el problema original?

• ¿Cuáles son las variables básicas y no básicas en la tabla inicial ?
• Construya el problema original de programación lineal.
21. Considere la siguiente tabla inicial simplex de minimización que se muestra:
x1 x2 h1 h2 h3 a1 a2
Base cj −2 −3 0 0 0 −M −M bi
a1 −M 2 0 −1 0 0 1 0 250
a2 −M 2 2 0 −1 0 0 1 700
h3 0 4 2 0 0 1 0 0 1200
.
zj −4 M −2 M M M 0 −M −M −950 M
cj − zj −2 + 4 M −3 + 2 M −M −M 0 0 0
• ¿Cuántas variables de decisión y restricciones existen en el problema original?

• ¿Cuáles son las variables básicas y no básicas en la tabla inicial ?
• Construya el problema original de programación lineal.
22. Escriba la tabla inicial correspondiente a cada uno de los siguientes problemas de
programación lineal sin resolverlos.
a. Minimizar : Z = 3x1 + 10x2
Sujeto a : 2x1 + 4x2 > 8
10x1 + 4x2 > 24
x1, x2 > 0
b. Minimizar : Z = 3x1 + 4x2

Sujeto a : 2x1 + 4x2 > 8
10x1 + 2x2 > 12
x1 + x 2 < 1
x1 , x 2 > 0
c. Maximizar : Z = 3x1 + 4x2

Sujeto a : x1 + x 2 < 3
2x1 + x2 = 2
x1, x2 > 0
d. Maximizar : Z = 4x1 + 2x2 – 3x3 + 5x4

Sujeto a : 4x1 – 2x2 + 2x3 + 4x4 > 100
6x1 – 2x3 + 2x4 < 160
x 1 + x2 + x4 = 60
x1 , x 2 > 0
23.Utilizando el método simplex identifique cuáles de los siguientes problemas de pro-
gramación lineal, son no acotados, no factibles o tienen soluciones múltiples.
a. Maximizar : Z = 18.5x1 + 20x2
Sujeto a : 5x1 + 5x2 < 110.000
5x1 + 10x2 < 180.000
10x1 + 5x2 < 200.000
x1 + x2 > 300.000
x1, x2 > 0
b. Maximizar : Z = 3x1 + 5x2

Sujeto a : 3x1 + 5x2 < 45
3x1 + 2x2 < 44
x1, x2 > 0
c. Maximizar : Z = 10x1 + 20x2

Sujeto a : x1 + 2x2 > 2
x1 + 2x2 > 1
2x1 + 4x2 > 3
x1, x2 > 0
422 ALGEBRA LINEAL
d. Maximizar : Z = 2x1 + 5x2

Sujeto a : 2x1 + 5x2 < 330
4x1 + 3x2 < 380
x1, x2 > 0
e. Maximizar : Z = 3x1 + 6x2

Sujeto a : 20x1 + 50x2 < 3.300
4x1 + 3x2 < 380
x1 + x2 > 150
x1, x2 > 0
Plantee los siguientes problemas de programación lineal y resuélvalos por el método

simplex.
24. En la ciudad de Bogotá se quiere probar un nuevo modelo de transporte intermunicipal,

para ello se va a contratar una campaña de publicidad en tres medios: radio, televisión
y prensa. Actualmente se están realizando planes promocionales para los siguientes
dos meses. Se muestran a continuación las estimaciones de audiencia, los costos y
limitaciones sobre el uso máximo de los medios:
Radio Televisión Pr ensa
Clientespor anuncio US$ 200.000 US$ 36.000 US$ 80.000
Costo por anuncio US$ 4.000 US$ 600 US$ 1200

.
Número máximo deanuncios 20 40 20
Para que la utilización de los medios publicitarios sea equilibrada, los anuncios por
radio no deben sobrepasar el 50% del número total de anuncios que se autoricen. Ade-
más se requiere que en la televisión se constituya, cuando menos el 10 % del número
total de anuncios autorizados.
Si el presupuesto para publicidad está limitado a US$ 32.400. ¿Cuántos mensajes
comerciales deben colocar con el objeto de maximizar la audiencia?
25. La fabricación de la cerámica, una de las más antiguas del mundo, evoluciona a partir
del año 618 y tiene su máximo esplendor entre los años de 960 y 1644. En la ciudad de
Bogotá un conjunto de empresarios está interesado en rescatar un tanto este arte y
quiere construir porcelanas con características parecidas a las construídas por la dinas-
tía Tung ( 618 – 906), la dinastía Sung (920 – 1279) o la dinastia Ming (1380 – 1644).
Para su fabricación solo quieren elaborar jarrones, botellas y caballos rituales. El proce-
so requiere de un horneado de caolín a una temperatura de 1.400 grados celsius, un
moldeado a mano y una cocción, la cual hace que alcance la pureza de la piedra. La
siguiente tabla muestra el tiempo en horas para cada una de las figuras.
Horneado Moldeado Cocción
Jarrón 8 10 14
Botella 10 15 13
Caballo 9 10 15
Con el objeto de minimizar los costos se requieren en el proceso de horneado 4.200

horas, en el proceso de moldeado se deben utlilizar mínimo 5.300 horas y en el proceso
de cocción se tienen disponibles solo 9.600 horas. Si el costo de fabricación por cada
jarrón es de US$ 100, por botella US$ 150 y por caballo US$ 500, obtenga el número
de porcelanas de cada tipo que deben fabricarse.
26. Una empresa fabrica plumas con punta normal, con punta de plata y con punta de
oro; en el proceso de fabricación participan básicamente tres departamentos; diseño,
decoración, control de calidad. La siguiente tabla muestra el tiempo en horas que se
gasta para cada pluma de acuerdo al departamento.
Punta normal Punta de plata Punta de oro
Diseño 0.2 0.6 0.8
Decoración 01
. 0.3 0.4
Control de calidad 0.5 0.6 0.7
La empresa considera que para maximizar la utilidad deben emplearse exactamente

10 horas en el departamento de diseño, dispone de 12 horas en el departamento de
decoración y a lo más 20 horas en el departamento de control de calidad. Una pluma
de punta normal deja una utilidad de US$ 2, una de punta de plata deja una utilidad de
US$ 3 y la de punta de oro deja una utilidad de US$ 10 por pluma, encuentre el
número de plumas de cada clase que deben fabricarse.
424 ALGEBRA LINEAL
27.Una compañía procesa tres tipos de jugo de naranja, llamados tipo A, tipo B, tipo C,
cada tarro de jugo de naranja tipo A requiere de 0.4 horas en el departamento de
cítricos, 0.6 horas en el departamento de colorantes y 0.5 horas en el departamento
de empaque, cada tarro de jugo tipo B requiere 0.3 horas en el departamento de
cítricos, 0.8 horas en el departamento de colorantes y 0.2 horas en el departamento
de empaque. Cada jugo tipo C requiere 0.8 horas en el departamento de cítricos, 0.6
horas en el departamento de colorantes y 0.3 horas en el departamento de empaque,
para que la utilidad sea máxima se requieren por lo menos 20 horas en el departa-
mento de cítricos, en los departamentos restantes se tienen disponibles 40 y 60 horas
respectivamente. La utilidad de un jugo tipo A es de US$ 1, de un jugo B es de US$
2 y de un jugo C es de US$ 3, halle el número de jugos que deben fabricarse.

Método simplex
Consideremos el ejemplo de la sección 6.4 correspondiente a un problema de
maximización con restricciones de menor o igual
Maximizar Z = 2.5 x1 + 5x2 + x3 + x4
Sujeto a : x1 + 1.4x2 + 0.2x3 + 0.8x4 < 1.600
2x1 + 2x2 + 1.6x3 + x4 < 1.300
1.2x1 + x2 + x3 + 1.2x4 < 960
x1, x2, x3, x4 > 0
Para resolver este problema en Q.S.B. seguimos los pasos 1, 2, 3 relacionados en el
capítulo anterior sección 5.13.
Paso 4. Hacemos clic sobre el botón de la ventana inicial de WinQSB y a

continuación introducimos los datos iniciales del problema de P.L.
426 ALGEBRA LINEAL
Paso 5. En la matriz de datos introducimos los coeficientes de la función objetivo y

los coeficientes de las restricciones.
Paso 6. Para resolver el problema hacemos clic en la opción del

menú principal de WinQSB:
y obtenemos el siguiente menú:
Seleccionamos la opción: , para resolver el

problema mostrando todas las tablas del método simplex. Se presenta la tabla simplex
inicial:
Paso 7. Para obtener la tabla siguiente, seleccionamos la opción:

del menú
y pasamos al cuadro:
Seleccionamos y de esta manera se presenta la tabla

simplex.
Paso 8. Se repite el paso 7, hasta obtener el mensaje:
En este caso la tabla simplex anterior es la final y el problema ha sido resuelto.

428 ALGEBRA LINEAL
RESUMEN
En este capítulo se trató el algorimo denominado Método Simplex, con un enfoque
algebraico, donde el objetivo es resolver un conjunto de ecuaciones simultáneas
en forma tabular.
Se presentaron problemas de maximización y minimización, se interpretaron las
variables de holgura y excedente, se mostró la utilización de las variables artificiales
para ayudar a identificar una solución básica factible inicial. Se trataron casos
especiales, como problemas de múltiples soluciones, no acotados y de no factibilidad.
Se ilustró un ejemplo donde se compara el método simplex con el método gráfico;
por último se realizó una explicación de la forma en que se resuelven problemas
de P.L. mediante el paquete computacional Q.S.B., para que el estudiante interprete
los resultados obtenidos.
GLOSARIO
• Base. Conjunto de variables básicas que constituyen una solución básica fac-
tible.
• cj. Coeficiente de la j -ésima variable en la función objetivo. Con frecuencia se
le denomina contribución por unidad.
• cj – z j. Contribución neta por unidad asociada con la j -ésima variable. En la
tabla, refleja el cambio neto en la función objetivo de un cambio unitario en x j.
• Columna que entra. Columna asociada con la variable que debe introducirse
en la base para mejorar la solución.
• Criterios de optimalidad. Condición que existe en el proceso tubular, asocia-
da con un problema de maximización, y en la que todos los coeficientes del
renglón (cj – zj) son cero o negativos.
• Degeneración. Condición que ocurre en (1) una tabla simplex durante el pro-
ceso de pivoteo si se obtiene un empate al determinar la variable que debe
eliminarse de la base y (2) en la tabla final cuando las variables básicas no son
estrictamente positivas.
• Elemento pivote. Elemento que se encuentra en la intersección de la columna
que entra y el renglón que sale. Se utiliza para actualizar la tabla en el método
simplex y la fila.
• Enfoque algebraico. Procedimiento iterativo que permite la sustitución y la
solución de ecuaciones simultáneas para obtener la solución óptima de un
problema de PL.
• Método Simplex. Procedimiento iterativo que da una solución óptima a un
problema de PL. el método emplea la lógica del enfoque algebraico, pero utili-
za una estructura tabular para ayudar en el proceso de solución.
• Óptimos alternativos. Solución alternativa a un problema de PL; puede se
identificar en la tabla por la presencia de un cero en el renglón (cj – zj) bajo
una variable no básica.
• Fila que sale. Se refiere al renglón asociado con la variable que debe elimi-
narse de la base para dar lugar a la variable que entra.
• Restricciones inconsistentes. Condición que ocurre en la tabla simplex si se
llega al óptimo, pero una variable artificial permanece en la base a un nivel
positivo.
430 ALGEBRA LINEAL
• Segundo término negativo. Condición que existe cuando se dan valores ne-
gativos en el segundo término (o lado derecho) de las restricciones asociadas
con un problema de PL: Estas deben convertirse en valores positivos antes de
aplicar el método simplex.
• Solución básica. Solución en la que todas las variables no básicas se igualan
a cero cuando se despejan m variables en términos de las n - m variables
restantes. No se restringen los signos de las variables en la solución; son
aceptables valores tanto positivos como negativos.
• Solución factible básica. Solución básica en la cual todos los valores de las
variables de la solución son mayores o iguales que cero.
• Solución no acotada. Condición que ocurre en la tabla simplex cuando se
detiene el método porque no existen coeficientes positivos en la columna que
entra.
• Variable artificial. Variable que se utiliza en el método simplex para ayudar a
identificar una solución factible básica inicial.
• Variable básica. Una de las m variables que se utilizan para resolver un pro-
blema de PL.
• Variable no básica. Una de las n – m variables que se igualan a cero al resol-
ver un problema de PL.
• zj . Contribución que se pierde por unidad para la j - ésima variable en el
problema. En la tabla corresponde a la porción del valor objetivo de la solución
básica que se tiene y a la cual se debe renunciar para fabricar una unidad de
x j.
7 Análisis de sensibilidad y dualidad
Neumann, John von (1903-1957), matemático

estadounidense nacido en Hungría, que desarrolló
la rama de las matemáticas conocida como teoría
de juegos. Nació en Budapest y estudió en Zurich
y en las universidades de Berlín y Budapest. Viajó
a Estados Unidos en 1930 para unirse al claustro
de la Universidad de Princeton. A partir de 1933
se incorporó al Instituto de Estudios Avanzados de
Princeton (Nueva Jersey). Adquirió la nacionali-
dad estadounidense en 1937 y durante la II Gue-
rra Mundial ejerció como asesor en el proyecto de
John Von Neumann
la bomba atómica de Los Álamos. En marzo de
1955 fue nombrado miembro de la Comisión de
Energía Atómica de los Estados Unidos.
Von Neumann fue un gran matemático, se destacó por sus aportes fundamentales a
la teoría cuántica, especialmente el concepto de anillos de operadores (actualmente co-
nocido como álgebra de Neumann) y también por su trabajo de iniciación de las matemá-
ticas aplicadas, principalmente la estadística, el análisis numérico y la programación li-
neal. También es conocido por el diseño de computadoras electrónicas de gran velocidad
y en 1952 diseñó la primera computadora que utilizaba un programa archivado flexible, el
MANIAC I. En 1956, la Comisión de Energía Atómica le concedió el premio Enrico
Fermi por sus notables aportes a la teoría y al diseño de las computadoras electrónicas.
432 ALGEBRA LINEAL
Introducción
Estudiaremos la forma en que se afecta la solución óptima de un

problema de Programación Lineal cuando hay cambios en los co-
eficientes de la función objetivo o en los términos independientes
de las restricciones. (Recursos Disponibles).
El análisis de sensibilidad, frecuentemente se le llama análisis de
post-optimización ya que el estudio se realiza después de que se
ha optimizado el problema de PL.
Estimaremos los parámetros (coeficientes) que permitirán tomar
la mejor decisión en un proyecto relacionado con un problema de
PL
Trataremos el análisis de sensibilidad en tres aspectos importan-
tes.
• Cambio de los coeficientes de la función objetivo.
• Cambios en un nivel de recursos.
• Precio sombra.
Objetivos
• Utilizar el método gráfico para hallar los intervalos de optimalidad

y factibilidad
• Calcular los intervalos de optimalidad y factibilidad empleando
la tabla simplex final.
• Interpretar los precios sombra
• Estimar la solución óptima del problema, ante los cambios de
los coeficientes de la Función Objetivo, y los recursos en un
problema de una empresa.
• Obtener el problema dual a partir del primal
• Obtener la solución del problema dual
• Formular e interpretar modelos de programación dual.
• Explicar la importancia de utilizar el dual en los problemas de
negocios.
7.1 ANÁLISIS DE SENSIBILIDAD CON MÉTODO

GRÁFICO
Se puede realizar el análisis de sensibilidad de un problema de pro-
gramación lineal por medio del método gráfico cuando el modelo tiene
dos variables de decisión.
Cambios en un coeficiente de la función objetivo
Intervalo de optimalidad
Análisis de
Es un intervalo que muestra los diferentes valores que puede sensibilidad
tomar un coeficiente de la función objetivo de tal manera que la Es determinar
solución del problema de PL sigue siendo óptima. que tan sensible
es la solución
óptima y el valor
de la función
Ejemplo 1. Retomando el problema de la fábrica de muebles (sec-
objetivo ante
ción 4.2, ejemplo 2), donde la formulación del problema de programa- los cambios
ción lineal es: en los datos
Maximizar : Z = 5x1 + 6x2 del problema
de programación
Sujeto a: x 1 + x2 < 80 departamento de corte lineal.
x1, x 2 >0
La solución óptima del problema indica que se deben fabricar 30 escri-
torios de tipo I y 50 escritorios de tipo II con una utilidad máxima de $450.
Los administradores de la compañía necesitan saber cómo puede
variar la utilidad de cada escritorio del tipo I y del tipo II, sin que cambien
los niveles de producción x1 = 30 y x2 = 50 Intervalo de
optimalidad
En el siguiente gráfico se muestra la representación del problema.
Valores donde
puede variar
un coeficiente
de la función
objetivo,
sin cambiar la
solución óptima
de un problema
de programación
lineal.
434 ALGEBRA LINEAL
Al observar la gráfica, notamos que la recta de ecuación 5x1 + 6x2 = 450 correspon-
diente a la función objetivo para el valor Z = 450, está entre la recta corrrespondiente a
la frontera de la restricción del departamento de corte x1 + x2 = 80 y frontera de la
restricción del departamento de acabado 2x1 + 3x2 = 210, donde en el vértice C de
coordenadas x1 = 30 y x2 = 50 se obtiene el valor máximo de la función objetivo. Si
giramos la recta correspondiente a la función objetivo alrededor del vértice C, de tal
forma que se mantenga dentro de la parte sombreada, el valor de la función objetivo en
el modelo de PL sigue siendo óptimo.
Observamos que al girar la recta correspondiente a la función objetivo en sentido
contrario a las manecillas del reloj, la pendiente de la recta es menos negativa, ocasio-
nando que aumente el valor de la pendiente, hasta que coincide con la recta 2x1 + 3x2 = 210
que es la frontera de la región correspondiente al departamento de acabado.
Si giramos la recta de la función objetivo en sentido de las manecillas del reloj, dismi-
nuye el valor de la pendiente, coincidiendo con la recta x1 + x2 = 80 que es la frontera de
la región correspondiente al departamento de corte.
l1: x1+x2=80
lz
Función Objetivo
l2: 2x1+3x2=210 C
Región Factible
En el gráfico anterior se observa que la pendiente de la función objetivo (recta lz)

está entre la pendiente de la recta frontera del departamento de acabado (recta l2), y la
recta frontera del departamento de corte (recta ll); luego:
Pendiente de l1 < Pendiente de lz < Pendiente de l2,
Ahora tomemos la ecuación de la recta l2, 2x1 + 3x2 = 210, despejando x2 tenemos:
2 x1 210
x2 = − +
3 3
x2 = − 2 x1 + 70
3
Luego la pendiente de la recta l2 es − 23 , con punto de corte con el eje x2 en (0,70),

siguiendo el mismo procedimiento con la recta ll, x1 + x2 = 80 obtenemos, x2 = _ x1 + 80,
recta que tiene pendiente _1, con punto de corte en x2 en (0,80), de esta manera pode-
mos concluír que:
_ 1 < Pendiente de l < −2.

z 3
Consideremos las variables t1 : Utilidad por cada escritorio tipo I.

t2 : Utilidad por cada escritorio tipo II
De esta manera podemos escribir la función objetivo como: Z = t1 x1 + t2 x2
t1 x1 Z
Despejando x2 tenemos: x2 = − t + t
2 2
t1
Donde − t = m , es la pendiente de la función objetivo.
2
Como la pendiente de la función objetivo está entre −1 y − 2 , tenemos que:

3
t1
−1 ≤ − ≤ −2
t2 3
Ahora determinaremos como puede variar la utilidad de cada unidad del escritorio
tipo I, dejando fijo el valor de la utilidad de cada escritorio tipo II en t2 = 6; por lo tanto:
t1
−1 ≤ − ≤ −2
6 3
Multiplicando todos los miembros de la desigualdad por (_6) e invirtiendo el sentido
de las desigualdades tenemos: 6 > t1 > 4, es decir: 4 < t1 < 6; esto significa que la utilidad
por cada unidad de escritorio tipo I, puede variar de $4 a $6 sin que cambie el nivel de
producción x1 = 30 y x2 = 50.
Ahora manteniendo fija la utilidad por unidad de escritorio tipo I, para hallar la varia-
ción de la utilidad por cada unidad de escritorio tipo II; procedemos así:
t1
−1 ≤ − ≤ −2
t2 3
Si t1 = 5, entonces: −1 ≤ − 5 ≤ − 2 , aplicando propiedades de las desigualdades,

t2 3
5 ≥ 2 o sea 1 ≤ t2 ≤ 3
obtenemos: 1 ≤
t2 3 5 2
436 ALGEBRA LINEAL
Multiplicando por 5 la desigualdad se obtiene: 5 ≤ t 2 ≤ 7.5
En este caso la utilidad de los escritorios tipo II, puede variar de $5 a $7.5 sin que
cambie el nivel de producción.
En conclusión, los intervalos de optimalidad son:
4 ≤ t1 ≤ 6
5 ≤ t 2 ≤ 7.5
Nota: no es conveniente hacer cambios simultáneamente en t1 y t2 porque puede

variar la solución óptima del problema ocasionando que la recta de función objetivo
cambie de vértice en la región factible, los cambios de los coeficientes de la función
objetivo tienen que ser de uno en uno.
Ejemplo 2. Consideremos el ejemplo anterior, donde los intervalos de optimalidad de

t1 y t2 son:
4 ≤ t1 ≤ 6
5 ≤ t 2 ≤ 7.5
Vamos a cambiar simultáneamente los coeficientes de la función objetivo, si aumen-

tamos la utilidad tipo I a $6 y disminuimos la utilidad de cada escritorio tipo II a $5, el
nuevo modelo PL es:
Maximizar : 6x1 + 5x2
Sujeto a : x1 + x2 < 80
3x1 + 2x2 < 220
2x1 + 3x2 < 210
x1, x2 > 0
t1
La pendiente de la función objetivo −
t2 debe permanecer en el intervalo [ −1, − 23 ]
para que la solución óptima del problema no cambie, es decir:
t1
−1 ≤ − ≤ −2
t2 3
t1 t
Ahora calculamos − con t1 = 6 y t 2 = 5; − 1 = − 6 = −12
.
t2 t2 5
Si observamos la pendiente de la función objetivo − 6 se sale del intervalo [ − 1, − 2 ]

5 3
______|_________• – / – /– / –/ – /– / – /– / – /– / –/ – • _________
t1
– 1,2 –1 − – 0,66
t2
En este caso el problema PL tiene una nueva solución óptima que está en el vértice
D (60,20) de la región factible, de esta manera la función objetivo cambió de vértice, es
decir que si cambiamos simultáneamente t1 y t2 se altera la solución óptima del problema.
Cambios en los términos independientes de una restricción (Lados dere-

chos).
En una empresa es necesario manejar adecuadamente los recursos disponibles, como
tiempo de utilización de una máquina, espacio de almacenamiento, material disponible
para una mezcla etc. Los cambios en el lado derecho de una restricción, ocasionan
cambios en la solución óptima del problema y cambios en la región factible.
En el problema anterior el departamento de corte tiene 80 horas disponibles; si esta
disponibilidad se aumenta en 2 horas, tenemos:
x1 + x2 < 82
Como se aumentaron dos horas en el departamento de corte, la región factible cam-
bia como se observa en el gráfico siguiente:
El nuevo valor de la función objetivo es 5(36) + 6(46) = 456; observamos que se

produce un aumento de $6, porque la utilidad anterior era de $450, además la tasa de
cambio es:
438 ALGEBRA LINEAL
Incremento enla utilidad

= 6 = $3 por hora adicional
Incremento en el número de horas 2
es decir que cada hora que se aumente en el departamento de corte tiene un costo
de $3; de esta manera aparece el concepto de precio sombra.
Precio sombra
Variación en la función objetivo por variación en el lado derecho de una restricción.
Hay que aclarar que estos cambios en el lado derecho de una restricción deben
ser muy pequeños, porque la región factible presenta deformaciones muy grandes,
ocasionando inconvenientes en la solución del problema.
ANÁLISIS DE SENSIBILIDAD CON EL MÉTODO SIMPLEX

Recordemos que el análisis de sensibilidad estudia la forma en que varía la solu-
ción óptima de un problema de PL frente a cambios realizados sobre los coeficientes del
mismo; éste análisis se realiza sobre la tabla simplex final.
Estudiaremos tres aspectos importantes para el análisis de sensibilidad, con el uso de
la tabla simplex final de un problema de PL.
Intervalo de optimalidad: se refiere al intervalo de variabilidad de un coeficiente

de la función objetivo.
Intervalo de factibilidad: intervalo de variabilidad de un lado derecho de una
restricción.
Precio sombra: cambio en el valor de la función objetivo por aumento unitario
en el valor del lado derecho de una restricción.
INTERVALO DE OPTIMALIDAD PARA VARIABLES BÁSICAS

En éste caso se determinará el rango donde pueden variar los coeficientes de la
función objetivo, de tal manera que la solución básica factible siga siendo óptima, los
cambios de los coeficientes no pueden ser simultáneos, son de uno en uno. Hay que
tener en cuenta que se pueden encontrar intervalos de optimalidad para variables básicas
y no básicas, conservando la solución básica factible óptima del problema. Utilizando el
planteamiento del problema anterior de la fábrica de muebles tenemos:
Maximizar : Z = 5 x1 + 6x2
x1, x2 >0
donde:
x1 : número de escritorios tipo I
x2 : número de escritorios tipo II
La tabla simplex final del problema es:
x1 x2 h1 h2 h3
x1 5 1 0 3 0 −1 30
h2 0 0 0 −5 1 1 30
x2 6 0 1 −2 0 1 50
zj 5 6 3 0 1 450
cj − zj 0 0 −3 0 −1
En este caso queremos determinar el intervalo en el que puede variar la utilidad por
cada escritorio tipo I, de tal manera que la solución anterior siga siendo la óptima.
Solución: para que la solución óptima del problema se mantenga, tenemos que hallar
la variación de t1 (utilidad por cada escritorio tipo I), teniendo en cuenta que cj – zj < 0.
Tabla modificada
x1 x2 h1 h2 h3
Base cj t1 6 0 0 0 bi
x1 t1 1 0 3 0 −1 30
h2 0 0 0 −5 1 1 30
x2 6 0 1 −2 0 1 50
zj t1 6 3t1 − 12 0 − t1 + 6 30t1 + 300
cj − zj 0 0 12 − 3t1 0 t1 − 6
440 ALGEBRA LINEAL
La solución sigue siendo óptima si cj – zj < 0, donde las variables básicas son x1, h2 y
x2 las variables no básicas son h1 y h3, luego:
(1) 12 – 3t1 < 0
(2) t1 – 6 < 0
En la desigualdad (1), 12 – 3t1 < 0, concluímos que: t1 > 4 (3)
En la desigualdad (2), t1 – 6 < 0 por tanto t1 < 6 (4)
Como t1 debe satisfacer (3) y (4), el intervalo de optimalidad está dado por:
4 < t1 < 6
cj – zj > 0 c j – zj < 0 cj – zj > 0
← – – – – – – – [– – – – – – – – – – – – ]– – – – – – – →
No es Óptimo 4 t1 6 No es Óptimo
Óptimo
Si en la última fila de la tabla encontramos que algún cj – zj > 0, el problema no es

óptimo, y por lo tanto tenemos que continuar con las iteraciones del método simplex.
Ejemplo 3. Estime la utilidad máxima al disminuir en $1 la utilidad de cada escritorio

tipo I, y presente la última tabla Simplex.
Solución: la utilidad por cada escritorio tipo I es US$ 5, al disminuirla en US$ 1
queda en US$ 4; como US$ 4 pertenece al intervalo de optimalidad de t1 tenemos que la
solución actual es:
x1 : 30 unidades de escritorios tipo II
h2 : 30 horas que sobran en departamento de armado
x2 : 50 unidades de escritorios tipo I
La formulación del nuevo problema de PL es:
x1, x2 >0
Este nuevo problema se puede resolver con el método simplex, pero gracias al análi-
sis de sensibilidad no es necesario, solo basta con reemplazar en la última tabla simplex
t1 por 4, observando si en la fila de los indicadores, todos los cj – zj son menores e iguales
a cero, y así decidir si es óptimo el problema o no. Calculemos la tabla simplex final
después de reducir a US$ 4 el valor de t1.
x1 x2 h1 h2 h3
x1 4 1 0 3 0 −1 30
h2 0 0 0 −5 1 1 30
x2 6 0 1 −2 0 1 50
zj 4 6 0 0 2 420
cj − zj 0 0 0 0 −2
Los elementos de la fila cj – zj < 0, indican que el problema es óptimo con t1= 4, lo
mismo que para t1 = 5, pero con una disminución de la utilidad de US$ 450 a US$ 420.
Ejemplo 4. ¿Qué sucede si disminuimos la utilidad unitaria en US$ 2 en los escrito-

rios tipo I?
Solución: en el problema inicial t1 = 5 con utilidad máxima de US$ 450; al disminuir-
lo en US$ 2, el valor de t1 = 3, por lo tanto el nuevo modelo es:
x1, x2 >0
Calculando la última tabla simplex, obtenemos:
x1 x2 h1 h2 h3
x1 3 1 0 3 0 −1 30
h2 0 0 0 −5 1 1 30
x2 6 0 1 −2 0 1 50
zj 3 6 −3 0 3 390
cj − zj 0 0 0 0 −3
442 ALGEBRA LINEAL
Notemos que t1 = 3 no pertenece al intervalo de optimalidad [4,6], además existe un

elemento positivo en la fila cj – zj, lo cual indica que el problema no es óptimo en (x1 = 30,
h2 = 30, x2 = 50); esto significa que debemos continuar con las iteraciones del método
simplex, para llegar a la solución óptima.
INTERVALO DE OPTIMALIDAD PARA VARIABLES NO BÁSICAS

En el caso del problema que estamos estudiando con el análisis de sensibilidad, las
variables no básicas son h1 y h3 que son las holguras o los recursos que sobran en los
departamento de corte y acabado respectivamente.
Los intervalos de optimalidad de las variables no básicas se evalúan en la última tabla
simplex, reemplazamos el coeficiente de h1 por t h 1 , cambiando cj – zj por t h 1 – zj en la
tabla simplex final.
x1 x2 h1 h2 h3
Base cj 5 6 th i 0 0 bi
x1 5 1 0 3 0 −1 30
h2 0 0 0 −5 1 1 30
x2 6 0 1 −2 0 1 50
zj 5 6 3 0 1 450
cj − zj 0 0 th i − 3 0 1
Como los elementos de la fila cj – zj tienen que ser menores que o iguales a cero, para
que el problema sea óptimo, se tiene que:
th 1 – 3 < 0
y así: th 1 < 3
Esto significa que el coeficiente de h1 debe ser menor que 3, para que el problema de
PL sea óptimo, además como la restricción t h 1 < 3 no tiene límite inferior para el inter-
valo de optimalidad para t h 1 podemos denotar el intervalo así:
– ∞ < th 1 < 3
Para todas las variables no básicas en maximización se escribe el intervalo
– ∞ < t h i < zj
CAMBIOS EN EL LADO DERECHO DE UNA RESTRICCIÓN.

En un problema de programación lineal los valores de la parte derecha de las restric-
ciones son los valores bi que corresponden a los recursos disponibles, como tiempo
disponible en una máquina, espacio de almacenamiento, cantidad de material etc.
Consideremos la forma general de un problema de programación lineal:
Maximizar: Z = c1 x1 + c2 x2 + ... + cn xn
Sujeto a: a11 x1 + a12 x2 + ... a1n xn [<, >, =] b1
a21 x1 + a22 x2 + ... a2n xn [<, >, =] b2
• •
• •
• •
am1 x1 + am2 x2 + ... amn xn [<, >, =] bm

xi > 0 para i = 1, 2, 3, ... n
Los valores b1, b2, ..., bm están al lado derecho de las restricciones, para el caso del
problema de la fábrica de muebles, tenemos:
b1: Tiempo disponible en el departamento de corte
b2: Tiempo disponible en el departamento de armado
b3: Tiempo disponible en el departamento de acabado
Precio sombra
Es el cambio que sufre la función objetivo por los aumentos unitarios en los valo-
res del lado derecho.
Los valores del precio sombra se encuentran en la fila de los zj en la última tabla
simplex como se muestra a continuación:
x1 x2 h1 h2 h3
x1 5 1 0 3 0 −1 30
h2 0 0 0 −5 1 1 30
x2 6 0 1 −2 0 1 50
zj 5 6 3 0 1 450
cj − zj 0 0 −3 0 −1
444 ALGEBRA LINEAL
Los precios sombra asociados a las variables de holgura h1, h2, h3 son 3, 0 y 1
respectivamente, h1 es la variable de holgura (variable no básica), asociada a la restric-
ción del departamento de corte:
x1 + x2 < 80
donde hay una disponibilidad de 80 horas, el precio sombra de h1 es 3, localizado en la fila

zj este precio sombra significa que por cada hora que se aumente a la disponibilidad del
departamento de corte, la compañía está dispuesta a pagar US$ 3.
Supongamos que la compañía requiere de 4 horas adicionales en el departamento de
Corte, como el precio sombra de la variable de holgura no básica h1 es de US$ 3 por
cada hora adicional, la utilidad cambia a 450 + 4(3) = 462; notemos que la utilidad
aumentó de $450 a $462, al aumentar 4 horas en el departamento de corte, por lo tanto
la compañía está dispuesta a pagar US$ 3 por cada hora adicional.
De esta manera el nuevo problema PL es
Sujeto a: x1 + x2 < [84] tiempo disponible en el departamento de corte
3x1 + 2x2 < 220 tiempo del departamento de armado
2x1 + 3x2 < 210 tiempo del departamento de acabado
x1, x2 > 0
No es necesario aplicar nuevamente el método simplex para obtener la nueva solución;
los únicos cambios en la tabla simplex final están en la función objetivo y en la última
columna bi. Procedemos de la siguiente manera para hallar la nueva solución:
Solución anterior Cambio de bi Columna de hi Nueva solución

B B B B
LM x OP LM30OP
1 LM 3 OP LM 30 + 4 (3)OP LM42OP
MMh PP = MM30PP
2 + 4 x MM−5PP = MM 30 + 4(−5) PP = MM10PP
MN x PQ MN50PQ
2 MN−2PQ MN 50 + 4(−2) PQ MN42PQ
LM 3 OP
Los elementos de la matriz columna M P correspondientes a h , representan los
−5
MMN−2PPQ 1
cambios de los valores de las variables actuales básicas, x1, h2 y x2 por los cambios
unitarios de b1 es decir que si se aumenta una hora en el departamento de corte, es
necesario sacrificar 2 unidades de x2, y 5 horas en el departamento de armado y se

producirán 3 unidades más de x1.
De esta manera la tabla simplex final correspondiente al aumento de 4 horas en el
departamento de corte es:
x1 x2 h1 h2 h3
x1 5 1 0 3 0 −1 42
h2 0 0 0 −5 1 1 10
x2 6 0 1 −2 0 1 42
zj 5 6 3 0 1 462
cj − zj 0 0 −3 0 −1
Precios sombra, según el tipo de restricción de un

problema de maximización, utilizando el método simplex
Tipoderestricción Precio sombra
≤ →
RSValor de z para la variablede holguraUV
j
T correspondientea la restricción W
≥ →
RS Negativo del valor z para la variablede UV
j
Texcedentecorrespondientea la restricciónW
= →
RSValor de z para la variableartificialUV
j
T correspondientea la restricción W
Nota: para problemas de minimización se multiplica la función objetivo por (–1), para
convertir el problema a maximización; antes de utilizar el método simplex es importante
para los problemas de minimización multiplicar los precios sombra por (–1), para deter-
minar los efectos que producen los cambios de los coeficientes bi de las restricciones.
446 ALGEBRA LINEAL
Intervalo de factibilidad
Es el intervalo de valores dentro del cual pueden variar los coeficientes bi sin
ocasionar que la solución básica actual se vuelva no factible.
MÉTODO PARA CALCULAR LOS INTERVALOS DE FACTIBILIDAD

El método consiste en calcular los valores de bi que satisfagan las desigualdades que
se muestran enseguida:
a) Método para restricciones menor o igual
LM b OP
1
LM a OP
1j LM 0OP
MM bM PP
2 + bi × MM a PP
2j
≥ MM 0M PP
MNb PQ
m
MN aM PQ
mj
MN 0PQ
B B B
Solución Actual Cambio de los Columna de la tabla simplex final
última columna en la bi asociada a la variable de holgura
tabla simplex de la restricción
b) Método para restricciones mayor o igual
LM b OP
1
LM a OP
1j LM 0OP
MM bM PP
2 − bi × MM a PP
2j
≥ MM 0M PP
MNb PQ
m
MN aM PQ
mj
MN 0PQ
Las desigualdades anteriores se utilizan para hallar los límites superior e inferior para
∆bi y así determinar el intervalo de factibilidad.
Ejemplo 5. Retomando el problema de la fábrica de muebles, vamos a calcular los

límites superior e inferior de ∆ b1, asociado a la restricción del departamento de corte.
Según las desigualdades anteriormente mencionadas tenemos lo siguiente:
1 LM x OP
2 MM hx PP Columnas de variables básicas en la tabla simplex
2 N Q
LM30OP
MM5030PP Columna de solución actual del problema en la tabla simplex
N Q
LM 3 OP Columna de la variable de holgura asociada a la restricción del
MM−−25PP
N Q departamento de corte, en la tabla simplex final
∆ b1: Cambio de b1
LM x OP
1 LM
30 OP LM 3 OP LM
30 + 3 ∆ b1 OP
MMhx PP = 30
MM PP + ∆ b1
MM−−25PP MM
= 30 − 5 ∆ b1
PP
N Q N Q N Q N Q
2
2 50 50 − 2 ∆ b1
Como las variables básicas son no negativas, tenemos :

(1) x1 = 30 + 3 ∆ b1 > 0
(2) h2 = 30 – 5 ∆ b1 > 0
(3) x2 = 50 – 2 ∆ b1 > 0
Despejando ∆ b en las desigualdades (1), (2) y (3) se obtiene:

1
∆ b1 > – 30
3 ⇒ ∆ b1 > – 10 (4)
5 ∆ b1 < 30 ⇒ ∆ b1 < 6 (5)
2 ∆ b1 < 50 ⇒ ∆ b1 < 25 (6)
El intervalo de factibilidad de b1 se obtiene de los valores de ∆ b1 que satisfacen las

tres desigualdades anteriores.
B -------- ∆ b 1
---- B
← -------------------------|/////////////////////////////////|--------- →
– 10 6 25
448 ALGEBRA LINEAL
∆ b1 debe satisfacer: – 10 < ∆ b1 < 6 (7)
La restricción del departamento de corte es: x1 + x2 < 80. Inicialmente tenemos 80

horas disponibles para el departamento de corte; la nueva disponibilidad de horas es
b1 = 80 + ∆ b1, sumando 80 a la desigualdad (7), tenemos:
– 10 + 80 < ∆ b1 + 80 < 6 + 80
70 < ∆ b1 + 80 < 86
70 < b1 < 86
El intervalo de factibilidad para b1 es [70, 86]; en la gráfica siguiente mostramos los

intervalos donde la solución del problema sigue siendo factible:
B ------No es Factible--- B ----- Es Factible ----- B -----No es Factible-------- B

← ---------------------------|//////////////////////////////////|---------------------|--------- →
70 86
B B
Límite inferior de b1 Límite superior de b1
Ejemplo 6. Supongamos que es necesario aumentar 5 horas en el departamento de

corte. El precio sombra asociado a esta restricción es US$ 3
LM x OP
1 LM 30 OP LM 3 OP LM 45OP
MM hx PP
2 = MM5030 PP + 5 MM −−25 PP = MM 405 PP
N Q
2 N Q N Q N Q
Un aumento de 5 horas en el departamento de corte, ocasiona que se deben producir
15 unidades más de escritorios tipo I; 10 unidades menos del tipo II, y la nueva utilidad
máxima es:
Z = $ 450 + (3)(5) = US$ 465
Presentando nuevamente la tabla simplex final, tenemos:

x1 x2 h1 h2 h3
x1 5 1 0 3 0 −1 45
h2 0 0 0 −5 1 1 5
x2 6 0 1 −2 0 1 40
zj 5 6 3 0 1 465
cj − zj 0 0 −3 0 −1
Ejemplo 7. Supongamos que es necesario aumentar en 10 horas la disponibilidad en

el departamento de corte, es decir de 80 horas pasa a 90 horas; la nueva solución es:
LM x OP
1 LM30OP LM 3OP LM 60OP
MMh PP
2 = MM30PP + 10 M −5P =
MMN−2PPQ MM−20PP
MN x PQ
2 MN50PQ MN 30PQ
Notemos que existe una variable básica negativa, h2 = –20; por tanto podemos concluir
que la solución del problema no es la óptima, ya que 90 no está dentro de el intervalo de
factibilidad, 70 < b1 < 86
EL PROBLEMA DUAL
En programación lineal existe una relación notable entre problemas de maxi-
mización y de minimización, es decir, para todo problema de maximización,
existe un problema de minimización asociado denominado el problema dual y
para todo problema de minimización existe un problema dual asociado de maxi-
mización.
• Si el problema inicial es de maximización, a este se le llama primal y al de minimización

se le llama problema dual.
Problema de Problema de
Maximización Minimización
Problema Problema
Primal Dual
450 ALGEBRA LINEAL
• Si el problema inicial es de minimización, éste será el primal, y el de maximización el

dual.
Problema de Problema de
Minimización Maximización
Problema Problema
Primal Dual
El problema dual se utiliza para reducir los cálculos en el proceso de solución de algu-
nos problemas. En muchas ocasiones es muy complejo en términos de cálculos mate-
máticos hallar la solución de un problema de minimización, utilizando el dual resulta más
fácil resolver un problema de maximización. Al resolver el dual se pueden interpretar
los resultados del primal y viceversa
Relación entre el primal y el dual.

La solución óptima del problema primal o del dual también proporciona una solu-
ción óptima para el otro.
FORMA GENERAL DEL PROBLEMA DUAL

Problema primal:
Maximizar Z = c1 x1 + c2 x2 + c3 x3 + … + cn xn
Sujeto a: a11 x1 + a12 x2 + … + a1n xn < b1
a21 x1 + a22 x2 + … + a2n xn < b2
...
...
...
am1 x1 + am2 x2 + … + amn xn < bm

xi > 0 para i : 1, 2, 3 …, n
Problema dual:
Minimizar : W = b1 y 1 + b2 y 2 + … + bm y m
Sujeto a: a11 y1 + a21 y2 + … + am1 ym > c1
a12 y1 + a22 y2 + … + am2 ym > c2
...
...
...
a1n y1 + a2n y2 + … + amn ym > cn

yi > 0 para i : 1, 2, 3, ..., m
Comparando el problema primal y su dual, podemos hacer las siguientes conside-

raciones:
1) Los valores bi que se encuentran en el lado derecho de las restricciones en el proble-
ma primal de maximización, corresponden a los coeficientes de yi en la función obje-
tivo en el problema dual de minimización.
2) Los valores ci que se encuentran en el lado derecho de las restricciones en el problema
de minimización corresponden a los coeficientes de xi en la función objetivo del proble-
ma de maximización.
3) El problema de maximización tiene m desigualdades con n variables mientras que el
problema dual de minimización tiene n desigualdades con m variables.
4) La matriz de los coeficientes de las desigualdades en el problema de minimización es
la traspuesta de la matriz de coeficientes del problema de maximización.
LM a 11 a12 ... a1n OP T LM a 11 a21 ... am1 OP

MM a .
21 a22 ... a2n PP MM a .
21 a22 ... am2 PP
MM . PP = MM . PP
MM . PP MM . PP
MN a .
m1 am2 ... amn
PQ MN a .
1n a2n ... amn
PQ
5) Tanto el problema primal como el problema dual tienen restricciones de no negatividad
para las variables.
6) Todas las restricciones del dual son de “mayor o igual”.
Ejemplo 8. Encontrar el dual del siguiente problema

Maximizar Z = 2x1 + x2 – x3
Sujeto a: x1 + x 2 < 1
–x1 + 2x2 + x3 < 2
x1, x2, x3 > 0
Solución:
La función objetivo a minimizar es w = y1 + 2y2
La matriz de coeficientes del problema es:
A=
LM 1 1 OP
0
N−1 2 1Q
452 ALGEBRA LINEAL
La matriz de coeficientes del problema dual es la traspuesta de la matriz de coefi-

cientes del problema primal.
LM
1 OP
−1
At = 1
MM 2
PP
0 N 1 Q
De esta manera el problema dual es:
Minimizar w = y1 + 2y2
Sujeto a : y1 – y2 > 2
y1 +2y2 > 1
0y1 + y2 > – 1
y1, y2 > 0
Las variables y1 y y2 se llaman variables duales.
Problema de maximación Matrizdecoeficientes

Maximizar : z = 2x1 + x2 − x3 LM
1 1 0 OP
14 4244 3
N
−1 2 1 Q
3 variables
Sujeto a :
RS x + x ≤1
T – x + 2xx, x+, xx
2 restricciones 1 2
1 2 3 ≤2
1 2 3 ≥0
Problema de minimización Matriz de coeficientes

LM
1 −1 OP L OP t
PP MN
1 1 0
Minimizar: w = y1 + 2 y2
1424 3
1
MM 2 =
−1 Q
2 variables
0 N 1 Q 2 1
Sujeto a :
R| y1 − y2 ≥ 2
3 restricciones S| y1 + 2 y2 ≥ 1
T 0 y1 + y2 ≥ −1
y1 , y2 ≥ 0
Ejemplo 9. Halle el dual del siguiente problema:

Minimizar : Z = 4x1 + 4x2 + 6x3
Sujeto a: x1 – x2 – x3 < 3
x1 – x2 + x3 > 3
x1, x2, x3 > 0
Multiplicamos por (–1) la primera restricción con el fin de que todas las restricciones
sean de mayor o igual.
Minimizar : Z = 4x1 + 4x2 + 6x3
Sujeto a: –x1 + x2 + x3 > –3
x1 – x2 + x3 > 3
x1, x2, x3 > 0
Solución. El problema dual es:
Maximizar : w = –3y1 + 3y2
La matriz de coeficientes del problema primal es:
LM−1 ++1 ++1 OP
A=
N1 −1 1 Q
La matriz de coeficientes del problema dual es:
LM−1 OP
1
A = M+1 −1
PP
+
MN++1
t
1 Q
De esta manera el problema dual es :

Maximizar : w = –3y1 + 3y2
Sujeto a: –y1 + y2 <4
y1 – y2 <4
y1 + y2 <6
y1, y2 >0
454 ALGEBRA LINEAL
Ejemplo 10. Retomemos de nuevo el problema de la fábrica de muebles donde el

problema primal es:
Maximizar :Z = 5x1 + 6x2
x1, x2, > 0
El problema dual correspondiente es:
Minimizar :w = 80y1 +220y2 + 210y3
Sujeto a: y1 + 3y2 + 2y3 > 5
y1 + 2y2 + 3y3 > 6
y1, y2, y3 > 0
Multiplicamos por (–1) la función objetivo con el fin de convertir el Dual en un proble-
ma de maximización.
FORMA ESTÁNDAR
Maximizar : – w = – 80y1 – 220y2 – 210y3 + 0h1 + 0h2 – Ma1 – Ma2
Sujeto a: y1 + 3y2 + 2y3 – h1 + a1 =5
y1 + 2y2 + 3y3 – h2 + a2 = 6
y1, y2, y3, h1, h2, a1, a2 > 0
Tabla simplex inicial
y1 y2 y3 h1 h2 a1 a2 bi bi / a1i
i
Base c j −80 −220 −210 0 0 −M −M
a1 − M 1 3 2 −1 0 1 0 5 5
a2 − M 1 2 3 0 −1 0 1 6 6
zj −2 M −5M −5M M M –M −M −11M
cj − zj −80 + 2 M −220 + 5M −210 + 5M −M −M 0 0

En la primera iteración entra y1 a la base y sale la variable artificial a1, tomando como
pivote el elemento encerrado en el cuadrado.
y1 y2 y3 h1 h2 a2 bi bi / ai 4
Base cj −80 −220 −210 0 0 −M
y1 − – 80 1 3 2 −1 0 0 5 −5
a2 − – M 0 −1 1 1 −1 1 1 1
zj −80 −240 + M −160 − M 80 – M M –M −400 − M
cj − zj 0 20 – M −50 + M M – 80 −M 0
En la segunda iteración entra h1 a la base y sale la variable artificial a2 , eliminando la

columna a2.
y1 y2 y3 h1 h2 bi bi / ai 3
Base cj −80 −220 −210 0 0
y1 − – 80 1 2 3 0 −1 6 2
h1 −– 0 0 −1 1 1 −1 1 1
zj −80 −160 −240 0 80 – 480
cj − zj 0 −60 30 0 −80 0
En la tercera iteración entra y3 a la base y sale h1

456 ALGEBRA LINEAL
y1 y2 y3 h1 h2 bi
Base cj −80 −220 −210 0 0
y1 − – 80 1 5 0 −3 +2 3
y3 − – 210 0 −1 1 1 −1 1
zj −80 −190 −210 30 50 − 450
cj − zj 0 −30 0 −30 −50
La tabla final simplex del problema primal de la fábrica de muebles, que se obtuvo
anteriormente es:
x1 x2 h1 h2 h3 bi
Base cj 5 6 0 0 0
x1 5 1 0 3 0 −1 30
h2 0 0 0 −5 1 1 30
x2 6 0 1 −2 0 1 50
zj 5 6 3 0 1 450
cj − zj 0 0 −3 0 −1
Observamos que tanto para el problema dual, como para el primal de la fábrica de
muebles, el valor óptimo de la función objetivo es de US$450. Este resultado es una
consecuencia de la siguiente propiedad.
Propiedad
Sea z la función objetivo de un problema primal de maximización y w la función
objetivo del problema dual de minimización.
Si el problema dual tiene solución óptima, el problema primal también tiene solu-
ción óptima y viceversa. El valor óptimo de la función objetivo en el problema
primal es igual al valor óptimo de la función objetivo en el problema dual.
INTERPRETACIÓN ECONÓMICA DE LAS VARIABLES DUALES

Recordemos que las variables duales están relacionadas con las restricciones del
problema primal; consideremos nuevamente el problema de la fábrica de muebles, en el
cual:
• y1 está asociada a la restricción del tiempo disponible en el departamento de corte.
• y2 está asociada a la restricción del tiempo disponible en el departamento de armado.
• y3 está asociado a la restricción del tiempo disponible en el departamento de acabado.
Además como el valor óptimo en la función objetivo tanto del dual como del primal
son iguales, podemos asegurar lo siguiente:
Valor máximo del primal: z = 5x1 + 6x2 = 450 (1)
Valor mínimo del dual: w = 80y1 + 220y2 + 210y3 = 450 (2)
Las variables x1, x2 del primal se definieron como:

x1 : número de escritorios tipo I
x2 : número de escritorios tipo II
Las utilidades por unidad de escritorio tipo I y tipo II son US $5 y US $6 respectiva-

mente, por lo tanto la ecuación correspondiente a la función objetivo del problema primal
se puede interpretar como:
LMUtilidad por OP LMNúmero deOP LMUtilidad porOP LMNúmerodeOP LMUtilidadOP

MM escritorios
unidad de
PP ⋅ MM escritorios PP + MM escritorios
unidad de
PP ⋅ MM escritorios PP = MM PP
MN Tipo I PQ MN Tipo I PQ MN Tipo II PQ MN Tipo II PQ MN Total PQ
Análogamente para la función objetivo del dual, definimos las variables y1, y2, y3 como:
y1 : Costo por hora disponible en corte
y2 : Costo por hora disponible en armado
y3 : Costo por hora disponible en acabado.
Luego la función objetivo para el dual será:
LM Número de OP LMCosto por OP LM Número de OP LM Costo por OP LM Número de OP LM Costo por OP L Utilidad O
MM horas
Departamento P
del ⋅
MN hora
corte PQ
de + MM horas PP ⋅ MM horas PP +
MN acabado
horas de
PQ ⋅ MN de acabado
hora
PQ = MN total PQ
Ndecorte PQ
de de
N armado Q N armado Q
458 ALGEBRA LINEAL
Recordemos que el precio sombra es el cambio del valor de la función objetivo por
aumento unitario en el valor del lado derecho de una restricción, en otras palabras, cuan-
to cuesta o cuanto estaría dispuesto a pagar la empresa por hora adicional en cada
departamento, casualmente las variables duales y1, y2 y y3 definidas anteriormente son
los mismos precios sombra del problema primal, como se muestra a continuación:
Re curso Precio sombra

Tiempo de corte US$ 3 valor por unidad adicional
Tiempo de armado US$ 0 valor adicional por unidad
Tiempo acabado US$ 1 valor por unidad adicional
Como y1 está asociado al tiempo del departamento de corte entonces y1= 3 y

análogamente, como y2, y3 están asociados a las restricciones de los departamentos de
armado y acabado respectivamente, entonces y2 = 0 y y3 = 1; de esta manera podemos
concluir que la mejor interpretación económica que le podemos dar a las variables duales
está dada por su relación con los precios sombra.
INTERPRETACIÓN ECONÓMICA
Relación del problema primal y su dual

Problema primal Problema Dual
1. Se tiene la utilidad 1. Se tiene la disponibilidad
por unidad de cada uno de cada uno de los recursos.
de los productos.
2. Se desea determinar el 2. Se desea determinar el valor
nivel de producción que de cada unidad de insumo,
maximiza la utilidad. de manera que se minimice el
costo de los recursos
Propiedades
Dada la tabla final del dual tenemos:
• Los valores de las variables de holgura del primal se encuentran con signo
contrario en las casillas de la fila cj – zj, correspondientes a las variables yi.
• Los valores de las variables de decisión del primal se encuentran con signo
contrario en las casillas de la fila zj correspondientes a las variables de exce-
dente.
La tabla final del problema dual de la fábrica de muebles, proporciona los siguientes
resulados para el primal:
y1 y2 y3 h1 h2 bi
Base cj −80 −220 − 210 0 0
y1 – 80 1 5 0 −3 2 3
y3 −210 0 −1 1 1 −1 1
zj −80 −190 −210 30 50 −450
cj − zj 0 −30 0 −30 − 50 A
A
A A A A A A
Variables del primal −h1 −h2 − h3 − x1 − x2 −z
LM −h 1 = 0OP LM h 1 = 0OP
MM −h = 30 PP MM h = 30 PP
MM −h P MM h P
2 2
0P 0P
MM P MM P
3 = 3 =
⇒
−30 P 30 P
MM −x
1 =
PP MM x
1 =
PP
MM −x
2 = −50 P
P MM x
2 = 50 P
P
MN −z = −450 QP MN z = 450 QP
460 ALGEBRA LINEAL
DUAL PARA EL PRIMAL CON CUALQUIER TIPO DE RESTRICCIÓN

En muchas ocasiones el problema primal tiene una función objetivo que es un proble-
ma de minimización sujeto a unas restricciones de:
< menor e igual
> mayor e igual
= igualdad
Para resolver el problema se debe convertir el problema de minimización en un pro-
blema de maximización.
Ejemplo 11. Encontrar el problema dual del problema de minimización

Minimizar : W = 2x1 + 2x2
Sujeto a : x1 + 3x2 < 12 (1)
3x1 + x2 > 13 (2)
x1 – x2 = 3 (3)
x1, x2 > 0
Paso I
Se multiplica la función objetivo por (–1), para convertir el problema de minimización
en un problema de maximización.
Maximizar : Z = – W = – 2x1 – 2x2
Paso II
Las restricciones de mayor o igual ( > ), se pueden convertir en restricciones de
menor o igual ( < ), multiplicándolas por ( –1), en este caso la segunda restricción se
convierte en:
– 3x1 – x2 < – 13
Paso III
Para las restricciones de igualdad se forman dos restricciones de desigualdad. Una
mayor o igual ( > ) y otra menor o igual ( < ),después a la restricción de mayor e igual, se
multiplica por (–1) para obtener una desigualdad de menor o igual ( < ).
R| x1 − x2 ≤ 3 (4)
x1 − x2 = 3 ⇒ S|
T x1 − x2 ≥ 3 (5)
La restricción (5) se multiplica por (–1), y obtenemos:

– x + x2 < – 3
Replanteando la situación obtenemos:
R| x − x ≤ 3 (4)
S|
1 2
x1 − x2 = 3 ⇒
T −x +x
1 2 ≤ −3 (5)
El problema primal se replantea de la siguiente forma:

Maximizar : Z = – 2x1 – 2x2
Sujeto a : x1 + 3x2 < 12
– 3x1 – x2 < – 13
x1 – x2 < 3
– x1 + x2 < – 3
x1, x2 > 0
Paso IV
Dado el problema de maximización obtenido al seguir los tres pasos anteriores, escri-
bimos el dual del problema.
• La función objetivo del dual se plantea de la siguiente manera:
Minimizar : T = 12 y1 − 13 y2 + 3 y3′ − 3 y3′′
• La matriz de coeficientes de las restricciones y la transpuesta se presentan a conti-

nuación:
LM 1 3 OP LM 1 3OP t
A =M
M−3 −1P M−3 −1P LM1 −3 −1 OP
MM 1 −1P
P; At =M
MM 1 −1P
P =
MN3 −1 −1
1
1PQ
MN −1 1PQ
P MN−1 1PQ
P
De esta manera las restricciones del dual son:
y1 − 3 y2 + y3′ − y3′′ ≥ −2
3 y1 − y2 − y3′ + y3′′ ≥ −2
462 ALGEBRA LINEAL
Luego el problema dual con función objetivo y restricciones es:
Minimizar : T = 12y1 − 13y2 + 3y3′ − 3y3′′

Sujeto a : y1 − 3y2 + y3′ − y3′′ ≥ −2
3y1 − y2 − y3′ + y3′′ ≥ −2
y1, y2, y3′, y3′′ ≥ 0
′ ′′
Notemos que las variables duales y3 y y3 son asociadas a la restricción de igualdad
x1 – x2 = 3, porque la restricción se expresa en términos de las restricciones
x1 – x2 < 3 y –x1 + x2 < –3; por lo tanto el precio sombra será: y3′ − y3′′ en la solución
dual, y será negativo.
EJERCICIOS
Sujeto a : 2x1 + 5x2 < 330 Recurso 1
4x1 + 3x2 < 380 Recurso 2
x1, x2 > 0
a. Resuelva el problema aplicando el método gráfico.
b. Determine el intervalo de optimalidad para t1, con el uso del método gráfico.
c. Determine el intervalo de optimalidad para t2.
d. Suponga que la utilidad de x1 cambia de 3 a 7 ¿Cual será la nueva solución óptima?.
e. Como cambia la solución si el recurso 2 cambia de 380 a 385.

Sujeto a : x1 + 2x2 < 5
3x1 + 2x2 < 7
5x1 + 3x2 < 14
x1, x2 > 0
a. Resuelva el problema aplicando el Método Gráfico.
b. Determine el intervalo de optimalidad para t1.
d. Suponga que t1 aumenta a 1.2 .Obtenga la nueva solución óptima.
e. Suponga que t2 disminuye a 0.5. Obtenga la nueva solución óptima.
3. En el problema (2):
a. Calcule los precios sombra de las restricciones 1, 2 y 3.
b. ¿Cuáles son los precios duales para la restricciones 1, 2 y 3?, interprételos.

Minimizar : Z = 4x1 + 5x2
Sujeto a : x1 + 3x2 >3
3x1 + x2 >3
x1 + x 2 <7
x1, x2 >0
a. Resuelva el problema aplicando el Método Gráfico.
b. Determine el intervalo de optimalidad para t1.
d. Suponga que t1 aumenta en 1. Obtenga la nueva solución óptima.
e. Suponga que t2 disminuye en 1. Obtenga la nueva solución óptima.
5. Suponga que se ha planteado un problema de programación lineal:

Sujeto a : x1 + 10x2 < 10
2x1 + 5x2 < 5
3x1 + 2x2 < 6
x1, x2 > 0
a. Determine los intervalos de optimalidad de los coeficientes de la función objetivo.
b Interprete los intervalos de factibilidad de los lados derechos.
c. ¿Cuáles son los precios sombra?, interprételos.
6. Suponga que se ha planteado un problema de programación lineal:

Maximizar : Z = 4x1 + 2x2 + 5x3
Sujeto a : x1 + 2x2 + 3x3 < 6
x1 + x2 + 2x3 < 4
x1 , x 2 , x 3 > 0
a. ¿Cúal es la solución óptima?
b. Determine los intervalos de optimalidad de los coeficientes de la función objetivo.
c. Cuáles son los intervalos de factibilidad e interprételos.
d. Cuáles son los precios sombra, e interprételos.
7. Una empresa de sillas para oficina, fabrica dos tipos de sillas: silla ergonómica y silla
normal. Para la construcción de una silla se requiere que pase por cuatro departa-
464 ALGEBRA LINEAL
mentos a saber: de ensamble, tapizado, pintura y terminado. El departamento de

ensamble tiene disponibles 1.000 horas, el de tapizado 450 horas, el de pintura 2.000
horas, y el de terminado 150 horas. Los requerimientos de producción y utilidad por
silla se muestran en la siguiente tabla:
Ensamble Tapizado Pintura Terminado Utilidad / silla

Silla normal 2h 1h 4h 1 h US 15
US$
4
Silla ergonómica 3h 1h 6h 1 h US 20
US$
2
a. Si la empresa quiere maximizar su utilidad.¿Cuántas sillas de cada modelo debe fabricar?

b. ¿Cuál es la utilidad máxima?
El problema anterior conduce al siguiente planteamiento:

Sujeto a : 2x1 + 3x2 < 1.000 departamento de ensamble
x1 + x2 < 450 departamento de tapizado
4x1 + 6x2 < 2.000 departamento de pintura
1 1
4
x1 + 2
x2 < 150 departamento de terminado
x1, x2 > 0
Sea x1: Número de sillas tipo ergonómica

x2: Número de sillas tipo normal
La tabla final simplex es:
x1 x2 h1 h2 h3 h4 bi
Base cj 15 20 0 0 0 0 bi
x1 15 1 0 −1 3 0 0 350
h4 0 0 0 −1 1 0 1 12.5
4 4
h3 0 0 0 −2 0 1 0 0
x2 20 0 1 1 −2 0 0 100
zj 15 20 5 5 0 0 7.250
cj − zj 0 0 −5 −5 0 0 −−−
a. Calcule el intervalo de optimalidad para la contribución a la utilidad de t1 (silla de tipo

ergonómico)
b. Calcule el intervalo de optimalidad para la contribución a la utilidade de t2 sillas tipo
normal)
c. Si se disminuye la utilidad de cada silla tipo ergonómico en dos dólares por unidad.
¿Cómo se ve afectada la solución óptima?
d. ¿Cómo interpreta los precios sombra de los departamentos de ensamble y tapizado?
e. Si aumentamos en 2 las horas disponibles en el departamento de ensamble. ¿Cuál es
la utilidad?
8. En una fábrica se producen dos tipos de camisas: camisas de sport y camisas de

cuello, la utilidad por cada camisa de cuello es de US$ 20 y la utilidad por cada
camisa de sport es de US$ 10.
Para su fabricación, cada camisa pasa por cuatro departamentos: de diseño, de tallaje,
de estampado, y de terminado. Se tienen disponibles 400 horas de tiempo en el departa-
mento de diseño, 300 horas en tallaje, 500 horas de estampado y 200 horas en termi-
nado.
En la siguiente tabla se muestran los requerimientos en horas, de cada camisa en
466 ALGEBRA LINEAL
Camisa de cuello Camisa de sport

Departamento diseño 1 2.50
Departamento tallaje 3 1.25
Departamento estampado 4 3.25
Departamento terminado 3.5 2.5
El problema de programación lineal es :

Sujeto a : x1 + 2.5x2 < 400 departamento de diseño
3x1 + 1.25x2 < 300 departamento de tallaje
4x1 + 3.25x2 < 500 departamento de estampado
3.5x1 + 2.5x2 < 200 departamento de terminado
x1, x2 > 0
en donde x1 : Número de camisas de cuello

x2: Número de camisas de sport
La tabla simplex final es:
x1 x2 h1 h2 h3 h4 bi
Base cj 20 10 0 0 0 0 bi
h1 0 0 .
17857 1 0 0 −2.857 342.85
h2 0 0 −0.8929 0 1 0 −0.8571 128.5714
h3 0 0 0.3929 0 0 1 −11429
. .
271428
x1 20 1 0.7143 0 0 0 0.2857 57.1429
zj 20 14.286 0 0 0 5.714 1′142.858
cj − zj 0 −4.2860 0 0 0 −5.7014 −−−
a. Calcule el intervalo de optimalidad para la contribución de cada camisa de sport.

b. Calcule el intervalo de optimalidad para la contribución de cada camisa de cuello.
c. Si disminuye en 2 dólares por unidad la contribución de utilidad de cada camisa de

sport. ¿Cuál será la nueva solución óptima?
d. Interprete el precio sombra correspondiente al departamento de terminado.
e. Si aumentamos en 3 horas la disponibilidad del departamento de terminado. ¿En qué
medida afecta la optimalidad del problema?
f. Los valores correspondientes a los lados derechos de las restricciones en el problema
original son :
b1 = 400, b2 = 300, b3 = 500, b4 = 200, que representan la disponibilidad de los
departamentos de: diseño, tallado, estampado y terminado, respectivamente.
• Halle el intervalo de factibilidad para b1
• Halle el intervalo de factibilidad para el b2
• Halle el intervalo de factibilidad para el b3
• Halle el intervalo de factibilidad parta b4
• ¿Cambia la utilidad si aumentamos horas disponibles en el departamento de estampa-
do?
9. Producción
Una empresa se encarga de construir dos tipos de parlantes de alta potencia para
automóviles: con sonido periférico (SP) y con sonido normal (SN). Las contribucio-
nes a la utilidad de los dos productos, son de US$ 10 y US$ 12 respectivamente. Los
productos pasan a través de tres departamentos de producción en la planta. El tiempo
requerido para fabricar cada producto y el tiempo total disponible en los respectivos
departamentos se muestran en la siguiente tabla:
Horas disponibles por mes

Departamento SP SN
1 2 3 .
1500
2 3 2 .
1500
3 1 1 600
El administrador de la empresa desea determinar la mezcla de producción de los dos

productos que maximicen la utilidad.
Sea x1: Número de parlantes con sonido periférico (SP)
x2: Número de parlantes con sonido normal (SN)
468 ALGEBRA LINEAL
El modelo de programación lineal es :

Sujeto a : 2x1 + 3x2 < 1.500
3x1 + 2x2 < 1.500
x1 + x2 < 600
x1, x2 > 0
La tabla final es :
x1 x2 h1 h2 h3 bi
Base cj 10 12 0 0 0 bi
x2 12 0 1 3
5
−2
5
0 300
x1 10 1 0 −2
5
3
5
0 300
h3 0 0 0 −1
5
−1
5
1 0
zj 10 12 +3.2 12
. 0 6.600
cj − zj 0 0 −3.2 −12
. 0 −−−
Como observamos los valores del lado derecho son b1 = 1.500, b2 = 1.500 y b3 = 600
a. Calcule el intervalo de factibilidad para b1
b. Calcule el intervalo de factibilidad para b2
c. Calcule el intervalo de factibilidad para b3
10.En el problema No 9, conteste las siguientes preguntas:

a. ¿Cuáles son los precios sombra?. Interprételos.
b. Si aumentamos 2 horas en el departamento 1. ¿Cuál es la nueva utilidad?
c. Si disminuimos 3 horas en el departamento 2. ¿Cuál es la nueva utilidad?
11. Plantear el problema Dual sin resolverlo, de los siguientes modelos de programación
lineal:
a. Maximizar : Z = 4x1 + 3x2
Sujeto a : x1 – x2 > 5
3x1 – 2x2 < 6
x1, x2 > 0
b. Maximizar : Z = 10x1 + 12x2 – 2x3 < 320

Sujeto a : x1 + 2x2 – x3 < 320
3x1 + x2 < 350
x3 < 10
x1, x2, x3 > 0
c. Minimizar : Z = – x1 + x2
Sujeto a : x1 – 4x2 > 5
x1 – 3x2 < 1
2x1 – 5x2 > 1
x 1, x2 > 0
d. Minimizar : Z = 6x1 + 7x2 + 3x3 + 5x4
Sujeto a : 5x1 + 6x2 – 3x3 + 4x4 > 12
x2 + 5x3 – 6x4 > 10
2x1 + 5x2 + x3 + x4 > 9
x1, x2, x3, x4 > 0
e. Minimizar : Z = 3x1 + 3x2 + 5x3 + 12x4
Sujeto a : x1 + 2x2 + 3x3 + 4x4 < 12
x1, x2, x3, x4 > 0

Maximizar : Z = 2x1 + x2
Sujeto a : x1 + x 2 < 1
2x1 + 5x2 < 2
x1, x2 > 0
a. Escriba el dual de este problema
b. Resuelva tanto el problema primario como el dual utilizando método gráfico
c. Resuelva el dual y el primal por el método simplex
d. Explique la relación del dual y el primal
470 ALGEBRA LINEAL
7. TALLER DE INFORMÁTICA CON USO DE "QSB"

Análisis de sensibilidad y dualidad.
Consideremos el ejemplo 1 de la sección 7.1
Sujeto a : x1 + x2 < 80 departamento de corte
x1, x2 >0
Para resolver este problema en Q.S.B. seguimos los pasos 1, 2, 3 relacionados en el
capítulo 5 sección 5.13.
Paso 4. Hacemos clic sobre el botón de la ventana inicial de WinQSB y a

continuación introducimos los datos iniciales del problema de PL.

Paso 5. En la matriz de datos introducimos los coeficientes de la función objetivo y

los coeficientes de las restricciones.
Paso 6. Para resolver el problema hacemos clic en la opción del

menú principal de WinQSB:
Seleccionamos la opción: ,
Después de seleccionar esta opción, hacemos clic en aceptar en el cuadro de diálogo:

472 ALGEBRA LINEAL
A continuación se presenta la solución del problema junto con los intervalos de

optimalidad y factibilidad:
Intervalos de optimalidad
de x1 y x2
Intervalos de factibilidad
de b1, b2 y b3
Paso 7. Para observar únicamente los intervalos de optimalidad hacemos clic en

del menú:
y obtenemos el cuadro:
Seleccionamos , para obtener los intervalos de

optimalidad:
Paso 8. Para observar únicamente los intervalos de factibilidad hacemos clic en

del menú:
y obtenemos el cuadro:
474 ALGEBRA LINEAL
Seleccionamos , para obtener los intervalos de factibili-

dad:
Paso 9. Para mostrar el problema dual regresamos a la matriz de datos del problema
primal, haciendo clic sobre el botón .
Hacemos clic en la opción del menú de WinQSB:
Seleccionamos la opción: y a continuación se presenta la ma-

triz de datos del problema dual.
Paso 10. Si se quiere resolver el problema dual y realizar análisis de sensibilidad,

repetimos el proceso anterior desde el Paso 6.
476 ALGEBRA LINEAL
RESUMEN
En éste capítulo se trató un tema fundamental de la programación lineal denomi-
nado análisis de sensibilidad, que consiste en realizar un estudio de los efec-
tos que producen los cambios de un parámetro en un problema de PL., por
ejemplo: cambios de los coeficientes de la función objetivo o de un nivel de
recursos, con el fin de analizar la medida en que se afecta la solución óptima del
problema de PL.
Los tipos de cambios que se abordaron en este capítulo fueron:
• Cambio de la utilidad por unidad para una variable no básica.
• Cambio de la utilidad por unidad para una variable básica.
• Cambio de un nivel de recurso utilizando el precio sombra.
Se analizó también el concepto de dualidad con énfasis en la utilización del
problema dual para determinar el efecto de los cambios en un nivel de recurso,
la interpretación económica y las propiedades del dual con relación al primal.
Se prestó especial atención al uso de la tecnología con el empleo del paquete
computacional Q.S.B., con el objeto de calcular los intervalos de optimalidad y
factibilidad, así como el valor de las variables duales y primales.
GLOSARIO
• Análisis de sensibilidad. Investigación de los efectos que producen los cam-
bios en un parámetro de un problema de PL.
• Dualidad. Existencia de un problema de minimización de PL, asociado con
todo problema de maximización de PL.
• Intervalo de factibilidad. Intervalo de valores dentro del que puede variar un
parámetro sin ocasionar que la solución básica de ese momento se vuelva no
factible. Los valores de las variables de la solución cambian, pero las mismas
variables siguen siendo las básicas.
• Intervalo de optimalidad. Es el intervalo de valores dentro de los que puede
variar un coeficiente de la función objetivo, sin ocasionar cambios en la solu-
ción óptima (es decir los valores de todas las variables permanecen iguales,
pero cambia el valor de la función objetivo).
• Precio sombra. Valor de una unidad adicional de un recurso; se encuentra en
el renglón zj bajo la variable de holgura correspondiente al recurso.
• Problema dual. Problema de minimización de PL que está asociado con un
problema de maximización de PL.
• Problema primario (Primal). Problema de maximización que tiene solo res-
tricciones de menor e igual.
• Variables duales. Variables asociadas con el problema dual. Su valor óptimo
es el precio sombra para el correspondiente recurso primario.
Transporte, asignación, transbordo
8 y PERT/CPM
ORIGEN DE LA PROGRAMACIÓN LINEAL

En los siglos XVII y XVIII, grandes matemáticos
como Newton, Leibnitz, Bernoulli y, sobre todo Lagrange,
que tanto habían contribuido al desarrollo del cálculo
Infinitesimal, se ocuparon de obtener máximos y míni-
mos condicionados de determinadas funciones.
Posteriormente el matemático francés Jean Baptiste-
Joseph Fourier (1768-1830) fue el primero en intuir, aun-
que de forma imprecisa, los métodos de lo que actual-
mente llamamos Programación Lineal y la potencialidad
que de ellos se deriva.
Si exceptuamos al matemático Gaspar Monje (1746-
1818), quién en 1776 se interesó por problemas de este
género, debemos remontarnos al año 1939 para encon-
trar nuevos estudios relacionados con los métodos de la
actual Programación Lineal. En este año, el matemático
ruso Leonodas Vitalyevich Kantarovitch publica una ex-
tensa monografía titulada Métodos Matemáticos de Or-
ganización y Planificación de la Producción, en la que
por primera vez se hace corresponder a una extensa gama
de problemas, una teoría matemática precisa y bien defi-
nida llamada, hoy en día, Programación Lineal.
480 ALGEBRA LINEAL
En 1941-1942 se formula por primera vez el Problema de Transporte, estudiado

independientemente por Koopmans y Karantovivitch, razón por la cual se suele conocer
con el nombre Koopmans – Karantovivitch. Tres años más tarde, G Stingler plantea
otro problema particular conocido con el nombre de Régimen Alimenticio Optimal.
En estos años posteriores a la segunda guerra mundial, en Estados Unidos se asumió
que la eficaz coordinación de todas las energías y recursos de la nación era un problema
de tal complejidad, que su resolución y simplificación pasaba necesariamente por los
modelos de optimización que resuelve la Programación Lineal. Paralelamente a los he-
chos descritos, se desarrollan las técnicas de computación y los computadores, instru-
mentos que harían posible la resolución y simplificación de los problemas que se estaban
gestando.
En 1947 George Dantzig formula, en términos matemáticos muy precisos, el enun-
ciado estándar al que cabe reducir todo problema de Programación Lineal. Dantzig
junto con una serie de investigadores del United States Departament of air force,
formarían el grupo que se denominó SCOOP (Scientific Computation of Optimum
Programs). Una de las primeras aplicaciones de los estudios de grupo SCOOP, fue el
puente aéreo de Berlín. Se continuó con infinidad de aplicaciones de tipo preferente-
mente militar.
Hacia 1950 se constituyen, fundamentalmente en Estados Unidos, distintos grupos
de estudio para ir desarrollando las diferentes ramificaciones de la Programación Li-
neal. Cabe citar, entre otros, Rand Corporation, con Dantzig, Orchard-Hays, Ford,
Fulquerson y Gale, el departamento de matemática de la Universidad de Princenton, con
Tuccker y Kuhn, así como la escuela de Graduada de Administración Industrial, depen-
diente del Carnegie Institute of Technology, con Charnes y Cooper.
El método Simplex, comenzó a estudiarse en el año 1951, y fue desarrollado por
Dantzig en el United States Bureau of Standards SEAC COMPUTER, ayudándose de
varios modelos de computador de la firma IBM.
Los fundamentos matemáticos de la Programación Lineal se deben al matemático
norteamericano de origen húngaro Janos Von Newman (1903-1957), quién en 1928
publicó su famoso trabajo Teoría de Juegos. En 1947 conjetura la equivalencia de
Programación Lineal y la teoría de matrices desarrollada en sus trabajos. La influencia
de este respetado matemático, discípulo de David Hilbert en Gotinga, desde 1930, cate-
drático de la Universidad de Princenton de Estados Unidos, hace que otros investigado-
res se interesaran paulatinamente por el desarrollo riguroso de esta disciplina.
En 1858 se aplicaron los métodos de la Programación Lineal a un problema concreto:
el cálculo del plan óptimo de transporte de arena de construcción a las obras de edifica-
ción de la ciudad de Moscú. En este problema había 10 puntos de partida y 230 de
llegada. El óptimo de transporte, calculado con el computador Strena, en 10 días del mes
de junio, rebajó un 11% los gastos, respecto a los costos previstos.
Se ha estimado, de una manera general, que si un país en vías de desarrollo utilizase

los métodos de la Programación Lineal, su producto interior bruto (PIB), aumentaría
entre un 10% y un 15%, en tan solo un año.
La Programación Lineal hace Historia: El Puente Aéreo de Berlin

En 1946 comienza el largo período de la guerra fría entre la antigua Unión Soviética
(URSS), y las potencias aliadas (principalmente Inglaterra y Estados Unidos). Uno de
los episodios mas llamativos de esa guerra fría se produjo a mediados de 1948, cuando la
URSS bloqueó las comunicaciones terrestres desde las zonas alemanas en poder de los
aliados con la ciudad de Berlín, iniciando el bloqueo de Berlín. A los aliados se les plan-
tearon dos posibilidades: o romper el bloqueo terrestre por la fuerza, o llegar a Berlín por
aire. Se adoptó la decisión de programar una demostración técnica del poder aéreo
norteamericano; a tal efecto, se organizó un gigantesco puente aéreo para abastecer la
ciudad: en diciembre de 1948 se estaban transportando 4500 toneladas diarias; en marzo
de 1949, se llegó a las 8 000 toneladas, tanto como se transportaba por carretera y
ferrocarril antes del corte de las comunicaciones. En la planificación de los suministros
se utilizó la Programación Lineal. (El 12 de mayo de 1949 los soviéticos levantaron el
bloqueo).
482 ALGEBRA LINEAL
Introducción
En este capítulo trataremos algunos problemas específicos de la

Programación Lineal, tales como el problema del Transporte que
se emplea para planear la distribución de Bienes y Servicios, a
partir de varios sitios de sumunistro, hasta ciertos destinos. El pro-
blema de Asignación que nos ofrece diversos casos de Toma de
Decisiones para la asignación de tareas a máquinas, contratos a
licitantes etc, y el problema del Transbordo, que es una generaliza-
ción del Modelo del Transporte.
Posteriormente hablaremos de la Administración de Proyectos con
PERT/CPM, que nos sirve para planear, programar y controlar
proyectos, y consta de diversas actividades que se llevan a cabo
por medio de diversos departamentos, personas etc. Los modelos
de PERT/CPM se emplean en gran variedad de proyectos tales
como: Investigación y Desarrollo de nuevos productos y procesos,
construcción de edificios y carreteras, mantenimiento de equipos,
diseño e instalación de sistemas nuevos.
Se presentan algunos ejemplos didácticos, explicando cada mode-
lo y estudiando los métodos de solución, para luego resolverlos
utilizando el paquete QSB.
Objetivos
• Ofrecer una idea general de algunas extensiones de los mode-

los de Programación Lineal como: Transporte, Asignación y
Transbordo.
• Explicar las suposiciones y características de cada Modelo for-
mulándolo.
• Dar los métodos de solución y sus diferentes aplicaciones.
• Calcular la Ruta Crítica.
• Formular una red para cada proyecto y su correspondiente plan-
teamiento de Programación Lineal.
8.1 MODELO DE TRANSPORTE

El modelo de transporte es un problema especial de Programación
Lineal, que sirve como aplicación para la planeación de distribución de
bienes y servicios a partir de varios lugares de suministro, hacia varios
destinos.
El objetivo del problema de transporte es minimizar el costo total de
transportar ciertos artículos desde algunos orígenes a varios destinos,
teniendo en cuenta que la oferta es limitada en los orígenes, y se debe
satisfacer la demanda en los destinos.
Problema de
transporte
8.2 MODELO GENERALIZADO DE TRANSPORTE Problema de
Dados m orígenes o fábricas F1, F2, ... Fm y n destinos o centros de flujo en redes
distribución D1, D2 ... Dn se requiere satisfacer la demanda en los que con frecuen-
cia implica
destinos, teniendo en cuenta la disponibilidad en los orígenes, de tal minimizar el
forma que el costo de transporte sea mínimo: costo de
transportar
1 1 artículos de un
conjunto de
orígenes a un
2 2 conjunto de
m orígenes . . n destinos destinos
. .
. .
. .
. .
. .
m n
Figura 8.1
A continuación se presenta el modelo generalizado de transporte

asociado a la estructura de la figura 8.1
x ij : Número de unidades distribuidas del origen i al destino j.
c ij : Contribución a la función objetivo al distribuir una unidad del
origen i al destino j.
s i : Número de unidades disponibles en el origen i.
d j : Número de unidades de demanda en el destino j.
m : Número de orígenes
n : Número de destinos
484 ALGEBRA LINEAL
i : Índice de orígenes i = 1, 2, ..., m

j : Índice de destinos j = 1, 2, ..., n
El modelo de transporte consta de una función objetivo para optimizar,
sujeta a unas restricciones de oferta y otras de demanda:
xij : número de unidades enviadas desde el origen i hasta el

destino j ⇒ variables Arcos
Líneas que unen
m n ó conectan los
Minimizar : ∑ ∑ cij xij ⇒ Función objetivo nodos de una red
i =1 j =1
n
Sujeto a : ∑ xij ≤ si, i = 1, 2, ... , m Restricciones de oferta
j =1
m
∑ xij = d j, j = 1, 2, ... , n Restricciones de demanda
i =1
Con xij > 0 para toda i y para toda j

En el modelo está implícito el equilibrio entre la oferta y la demanda,
s1 + s2 + s3 + ... + sm = d1 + d2 + ... + dn
Este tipo de modelo de programación lineal es muy flexible, puede
aplicarse a problemas que no tienen que ver nada con distribución de
productos.
Ahora ilustramos un ejemplo práctico y muy didáctico para ver la
aplicación del modelo.
Nodos
Ejemplo: en una compañía de electrodomésticos se aplica el modelo Puntos de
de transporte con 3 plantas y 4 centros de distribución. intersección o
cruce de una red
En la siguiente tabla se muestran las 3 plantas que estan en las
ciudades de Cali, Barranquilla y Bogotá, junto con la capacidad de
producción de cada una:
Origen 1 2 3 Oferta total

Planta Cali Barranquilla Bogotá
Capacidad de
producción en 100 150 125 375
unidades
Tabla 8.1
La compañía distribuye los electrodomésticos a través de cuatro centros de distribu-

ción que son las ciudades de Cartagena, Santa Marta, San Andrés y Medellín; según el
pronóstico la demanda es la siguiente:
Destino 1 2 3 4 Demanda total
Centro de
Cartagena S. Marta S. Andrés Medellín
distribución
Demanda 45 110 170 50 375
Tabla 8.2
Los costos, por unidad, de transportar los electrodomésticos de los 3 órígenes a los 4
destinos se presentan en la tabla siguiente:
Tabla de costos de transporte por unidad de electrodomésticos

(en dólares) Ver gráfico página 486
Destinos
Orígenes Cartagena S. Marta S. Andrés Medellín
1 Cali 2 1 5 3
2 Barranquilla 7 4 1 8
3 Bogotá 3 2 8 5
Tabla 8.3
El objetivo del administrador de la compañía es determinar la cantidad de electrodomés-

ticos que deben enviarse por cada ruta, con el fin de minimizar el costo total de transpor-
te, de tal manera que satisfaga las demanda de los centros de distribución.
Para plantear el problema empleamos una red que consiste en una gráfica que con-
tiene nodos (círculos), y arcos que son rectas que unen los nodos como lo ilustramos en
la gráfica.
486 ALGEBRA LINEAL
Esta en el computador de
yolanda como hoja sola en
magda rocío
Ejemplo:
Orígen Destino
Nodo Arco Nodo
En el caso particular de la compañía de electrodomésticos, para la red se necesitan 7

nodos conformados por 3 orígenes, 4 destinos y 12 arcos (rutas de transporte) donde se
envían electrodomésticos de los orígenes a los destinos, mediante las rutas o arcos.
Red del problema Cartagena
1 → 45
Cali
100 → 1 S. Marta
2 → 110
B/quilla
150 → 2 S. Andrés
Bogotá 3 → 170
125 → 3
Medellín
4 → 50
) ) )
Oferta Arcos Demanda
rutas de distribucion
Al definir las variables de decisión las notamos con doble subíndice para indicar el
orígen y el destino.
Sea xij: número de unidades transportadas del origen i al destino j, con i = 1,2,3 y
j = 1,2,3,4.
Por ejemplo la variable x12 corresponde al número de electrodomésticos enviados del
origen 1 (Cali), al destino 2 (Santa Marta).
488 ALGEBRA LINEAL
Planteamiento de la función objetivo

Para plantear la función objetivo debemos tener en cuenta los datos
de la tabla de costos por unidad transportada de cada origen a cada
destino (Tabla 8.3).
La función de costo total que hay que minimizar se obtiene así:
• 2x11 + x12 + 5x13 + 3x14
Costo total de transportar electrodomésticos de Cali a los 4 centros
de distribución.
• 7x21 + 4x22 + x23 + 8x24
Costo total de las unidades transportadas desde Barranquilla a los
centros de distribución
• 3x31 + 2x32 + 8x33 + 5x34
Costo total de unidades transportadas desde Bogotá a los centros
Red
de distribución.
Representación
Luego la función objetivo de costo total es la suma de las expresio- gráfica de un
problema que
nes anteriores: consiste en un
conjunto de
Z = 2x11 + x12 + 5x13 + 3x14 + 7x21+ 4x22 + x23 + 8x24 + 3x31 + 2x32 nodos y arcos
+ 8x33 + 5x34
Restricciones de oferta
Cada origen tiene una oferta limitada, por ejemplo la ciudad de Cali
ofrece máximo 100 electrodomésticos. La expresión x11 + x12 + x13 + x14
es el total de unidades a enviar de Cali a los demás centros de distri-
bución, por lo tanto obtenemos la restricción:
x11 + x12 + x13 + x14 < 100
Similarmente con las otras dos ciudades de origen Barranquilla y
Bogotá, las restricciones son:
x21 + x22 + x23 + x24 < 150
y
x31 + x32 + x33 + x34 < 125
Restricciones de demanda
Las demandas en los cuatro centros de distribución originan las
siguientes restricciones:
x11 + x21 + x31 = 45 Demanda en Cartagena
x12 + x22 + x32 = 110 Demanda en Santa Marta
x13 + x23 + x33 = 170 Demanda en San Andrés
x14 + x24 + x34 = 50 Demanda en Medellín
Combinando la función objetivo con las restricciones de oferta y
demanda tenemos:
Planteamiento del modelo de transporte
Minimizar: Z = 2x11 + x12 + 5x13 + 3x14 + 7x21 + 4x22 + x23 + 8x24

+ 3x31 + 2x32 + 8x33 + 5x34
Sujeto a:
x11 + x12 + x13 + x14 < 100
x21 + x22 + x23 + x24 < 150
x31 + x32 + x33 + x34 < 125
x 11 + x21 + x31 = 45 Método del cruce
del arroyo
x12 + x22 + x32 = 110 Procedimiento de
solución con el
x13 + x23 + x33 = 170 próposito de
resolver
x14 + x24 + x34 = 50 problemas de
transporte
Método del cruce del arroyo

El problema de la compañía de electrodomésticos tiene 12 variables
de decisión y 7 restricciones, lo cual implica un trabajo muy dispendio-
so. Al usar el método simplex visto en el capítulo 6, en este caso se
utiliza un procedimiento muy simplificado denominado método simplex
para transporte.
490 ALGEBRA LINEAL
En el método simplex para el modelo de transporte, al igual que en el método Simplex,

existen dos fases, La fase I que consiste en hallar una solución factible inicial y la fase II
que consiste en el mejoramiento de la solución hasta llegar a la solución óptima. En
primer lugar definamos la tabla de transporte de la siguiente manera:FASE I
Oferta
Cartagena St. Marta S. Andrés Medellín origen
2 1 5 3
100
Cali
7 4 1 8
Origen
B/quilla 150
Bogotá 3 2 8 5
125
Demanda 45 110 170 50 375
Tabla 8.4
FASE 1
Para el problema de transporte sucede lo mismo que con cualquier problema de
programación lineal, necesitamos hallar una solución factible inicial. Seguramente si
resolvemos el problema de transporte por medio del método simplex, necesitaríamos
primero llevar el problema de programación lineal a la forma estándar, donde tendríamos
que recurrir a las variables artificiales para encontrar una solución factible inicial, ya que
el modelo de transporte tiene unas restricciones de igualdad (demanda).
Existe un método llamado método del costo mínimo que se utiliza para hallar la
solución factible inicial, que consiste en asignar la mayor cantidad de flujo de oferta o
demanda en la celda (arco) de menor costo, convirtiendo la oferta o demanda en cero,
posteriormente se elige nuevamente la celda del siguiente costo menor y así sucesiva-
mente.
Para el ejemplo de la compañía de electrodomésticos, en la tabla de transporte ob-
servamos que las celdas que tienen menor costo son la celda x12 (de Cali a Santa Marta)
y la celda x23 (de Barranquilla a San Andrés), donde el costo de transporte por unidad de
electrodoméstico es de un dólar; para la celda x12 la oferta es de 100 unidades, y la
demanda es de 110 unidades, luego en la celda x12 entrarian 100 unidades, mientras que
para la la celda x23 la oferta es de 150 unidades, y la demanda es de 170 unidades, de
esta manera en la celda x23 entran 150 unidades.
En este caso las dos celdas tienen el mismo costo y es el mínimo en

el momento, por lo tanto se escoge la celda x23 porque entra mayor
flujo de unidades que en este caso son 150 unidades, convirtiendo la
oferta correspondiente en cero, y las 170 unidades de demanda se
convierten en 20 unidades como se muestra en la tabla 8.5
2 1 5 3 100
7 4 1 8 150
150 0 Método de costo
mínimo
125 Un heurístico
3 2 8 5
que sirve para
encontrar una
solución factible
45 110 170 50 inicial para un
20 problema de
transporte
Tabla 8.5
Ahora de las celdas restantes la que tiene menor costo es la celda

x12, el flujo que entra en esta celda es de 100 unidades, convirtiendo la
oferta en cero y la demanda de 110 unidades en 10 (tabla 8.6).
2 1 5 3 100
100 0
7 4 1 8 150
150 0
125
3 2 8 5
45 110 170 50
10 20
Tabla 8.6
Ahora siguiendo el proceso, las celdas restantes que tienen menor

costo, son las celdas x11 y x32 que corresponde a US$ 2 por unidad
transportada, pero se escoge la celda x32 entrando un mayor flujo de 10
unidades como se muestra en la tabla 8.7.
492 ALGEBRA LINEAL
2 1 5 3 100
100 0
7 4 1 8 150
150 0
125
3 2 8 5
115
10
45 110 170 50
10 20
0
Tabla 8.7
Continuando con el proceso anterior la tabla final (tabla 8.8) genera la solución facti-
ble inicial.
Cartagena St. Marta S. Andrés Medellín
2 1 5 3 100
Cali 0
100
7 4 1 8 150
Barranquilla 0
150
125
3 2 8 5
Bogotá 115
45 10 20 50 70
20
45 110 170 50 0
0 10 20 0
0 0
Tabla 8.8
Si observamos en la tabla 8.8 se han agotado todas las ofertas y demandas, hasta
convertirlas en ceros, y además los valores de la sumatoria por filas y columnas de los
flujos de unidades que entraron en las celdas, conservan las ofertas y demandas del
problema.
Tabla de costo total de la solución factible inicial empleando

el método del costo mínimo
Ruta Costo Unidades Costo

Ruta
por unidad que se envían total US$
De A
Cali Santa Marta
marta US$ 1 100 $ 100
Barranquilla San Andrés US$ 1 150 $ 150
Bogotá Cartagena US$ 3 45 $ 135
Bogotá Santa Marta US$ 2 10 $ 20
Bogotá San Andrés US$ 8 20 $ 160
Bogotá Medellín US$ 5 50 $ 250
Total $ 815
Como vimos en la tabla de costo total, la asignación inicial mínima fue de US$ 815.
Índice de mejoramiento
En la solución factible inicial donde el costo fue de US$ 815, el método de cruce del
arroyo realiza un análisis marginal donde se estudian los efectos que produce cambiar la
solución dada, es decir analiza qué efectos produce el introducir una unidad de una
variable no básica, este procedimiento es similar con lo que sucedió en el método simplex
del capítulo VI.
La pregunta que nos hacemos es ¿La solución factible inicial es óptima?
Para dar la respuesta es necesario calcular un valor denominado índice de mejora-
miento, para cada celda vacía con el objeto de determinar si existe una asignación de
costo total que sea inferior. Recordemos nuevamente la tabla inicial de asignación de
costo mínimo.
494 ALGEBRA LINEAL
Oferta
Oferta
origenorigen
2 1 5 3
100 100
Cali
7 4 1 8
Origen
B/quilla 150 150
Bogotá 3 2 8 5
45 10 20 50 125
Demanda
Demanda 45 110 170 50 375
Tabla 8.9
Para determinar o analizar los efectos al introducir una unidad adicional para una
variable no básica, se deben tener en cuenta dos aspectos importantes:
• Los diferentes ajustes que se deben realizar a los valores de las variables básicas
actuales con el fin de satisfacer las restricciones de oferta y demanda.
• Analizar el cambio que presenta la función objetivo.
Si observamos la tabla anterior, la celda x11 (de Cali a Cartagena), no tiene asignación
en la solución factible inicial, además es una celda no básica. Una pregunta que nos
podemos hacer es: Qué ajustes se deben realizar con las variables básicas al asignar
una unidad del origen uno (Cali), al destino uno (Cartagena)?
Si se asigna una unidad a la celda (x11) es necesario reducir una unidad a otra celda
de la fila, con el objeto de que permanezca constante la suma de los valores asignados a
las celdas e igual a la oferta total de la primera fila. Por ejemplo, asignando una unidad en
la celda (x11), enviaríamos un total de 101 unidades del origen 1, uno más de su capaci-
dad de 100 unidades (oferta), por lo tanto hay que reducir 1 unidad en otra celda de la
fila 1. Una única opción es disminuír una unidad en la celda (x12) y de esta manera se
pueden hacer ajustes. Además esta reducción hace que disminuyan envios del destino 2
(Santa Marta). Reducir los envíos a 99 en la celda (x12), hace que un total de 109
unidades se asignen al destino 2, es decir una unidad menos de demanda, por lo tanto se
realiza una compensación al aumentar en una unidad la asignación de la celda (x32),
quedando en 11 unidades.
Con este ajuste se logra enviar el exceso del origen 3 (Bogotá) [45 + 11 + 20 + 50 = 126].
Con el objeto de hacer ajustes se disminuye el envío en la celda (x31),en una unidad
quedando en 44. Con este último ajuste el sistema tiene nuevamente su equilibrio. En el
siguiente gráfico se muestra una trayectoria cerrada de flechas dirigidas.
+ 1 celda x11 – 1 celda x12
– 1 celda x31 + 1 celda x32
Resumen:
Si se incorpora una unidad en la celda (x11), para compensar hay que disminuir una
unidad en la celda (x12) incrementar en una unidad la celda (x32) y disminuir una unidad
en la celda x31.
Ahora mostramos la tabla incorporando la trayectoria cerrada de flechas dirigidas
Oferta
origen
2 1 5 3 100
Cali +1 – 1 100
7 4 1 8 150
B/quilla 150
125
Bogotá 3 2 8 5
45 10 20 50
–1 1
Demanda
45 110 170 50
Tabla 8.10
Como observamos la flecha cerrada que conecta las celdas

x11 ⇒ x12 ⇒ x32 ⇒ x31, esta trayectoria puede relacionarse en términos de costo,
sumando y restando costos, si se suman y se restan unidades respectivamente, por lo
tanto el resultado es:
496 ALGEBRA LINEAL
Efectos marginales, que en el valor de la función objetivo

se producen al introducir una unidad en la celda (x11).
Celda Ajuste Cambio de costo

x11 +1 +2
x12 –1 –1
x32 +1 +2
x31 –1 –3
--- ---
0
Total
Índice de mejoramiento
El índice de mejoramiento es el valor de cero en la tabla anterior,

Índice de
indica que el efecto neto (marginal) asociado a la asignación de una mejoramiento
unidad del origen uno al destino uno, no afecta en nada el costo total, es Aumento o
decir el costo total ni aumenta ni disminuye, queda estable. reducción en los
costos totales
Reflexionando mas sobre lo que significa el índice de mejoramiento, por la
es un indicador o valor que nos dice como está variando el costo total reasignación de
una unidad en
por cada unidad adicional que se envia de un origen a un destino, como
una celda
ya mencionamos anteriormente estos indicadores se calculan en las actualmente
casillas vacías, con el objeto de encontrar una solución óptima al pro- vacía.
blema.
Ahora la pregunta que surge es ¿En el caso del problema de minimi-
zación de costo total de la compañía de electrodomésticos será, posible
encontrar una mejor solución?
La respuesta es SI, al calcular todos los índices de mejoramiento
existen índices negativos, esto significa que es posible encontrar una
mejor solución, pero si todos los índices son positivos, el problema es
óptimo; en el caso de un problema de maximización sucede lo contra-
rio, el problema es óptimo cuando todos los índices son negativos.
En el método simplex, para determinar una mejor solución, selec-
cionamos la variable que produzca el mayor mejoramiento marginal de
la función objetivo, en el caso del método del arroyo tenemos que esco-
ger una celda (variable de entrada), para lo cual necesitamos seguir
dos pasos importantes:
Paso I. Calcular los índices de mejoramiento de las celdas no vacías

(variables no básicas).
Paso II. Escoger la celda vacía donde el índice de mejoramiento sea más negativo.
Vale la pena resaltar que en el problema de la compañía de electrodomésticos se

puede emplear el método del cruce del arroyo, porque existe equilibrio entre la oferta y
la demanda, si no fuere así tendríamos que agregar un destino o un origen ficticio para
crear el equilibrio. Otra pregunta que podemos hacer es, ¿cuántas variables básicas
existen en el problema?. Es muy sencillo existen m + n –1 variables básicas (celdas
ocupadas), donde m: número de orígenes y n: número de destinos, para el contexto del
problema existen 3 puntos de origen, y 4 destinos. Luego existen m + n – 1 = 3 + 4 – 1 = 6
variables básicas.
Además existen m x n arcos (celdas), es decir m x n = 3 x 4 = 12 celdas, y como
existen 6 variables básicas (celdas ocupadas), quiere decir que hay 6 variables no bási-
cas (celdas no ocupadas) para calcular a todos los índices de mejoramiento, las celdas
no ocupadas son las siguientes x11, x13, x14, x21, x22, x24.
Consideremos ahora la celda no básica x13 si reasignamos una unidad a esta celda
debemos restar una unidad a la celda x12, sumar una unidad a x32 y restar una unidad a
x33 para equilibrar todas las ofertas y demandas; hay que tener en cuenta que la trayec-
toria cerrada, x13 ⇒ x12 ⇒ x32 ⇒ x33. Se realiza mendiante una flecha cerrada sin
importar si el recorrido se hace en sentido de las manecillas del reloj o en dirección
contraria, ahora para calcular el índice de mejoramiento como lo hicimos anteriormente
se suman y se restan los costos por unidad de las celdas que se encuentran en la trayec-
toria de reasignación.
Para la celda x13 el índice de mejoramiento es:
5–1+2–8=–2
El índice de mejoramiento de la celda x13 es – 2, el cual indica que el costo total se

puede reducir en dos dólares al enviar una unidad adicional del origen uno (Cali) al
destino tres (Medellín).
A continuación resumimos en una tabla el cálculo de los índices de mejoramientos de
todas las celdas correspondientes a las variables no básicas:
498 ALGEBRA LINEAL
Celda Índice de
no básica Trayectorias Cálculo mejoramiento
x11 x11 ⇒ x12 ⇒ x32 ⇒ x31 2 − 1+ 2 − 3 0. oo

x13 x13 ⇒ x12 ⇒ x32 ⇒ x33 5−1+ 2 − 8 −2. oo
x14 x14 ⇒ x34 ⇒ x32 ⇒ x12 3−5+ 2 −1 −1. oo
x21 x21 ⇒ x23 ⇒ x33 ⇒ x31 7 −1 + 8 − 3 11. oo
x22 x22 ⇒ x23 ⇒ x33 ⇒ x32 4 − 1+ 8 − 2 9. oo
x24 x24 ⇒ x34 ⇒ x33 ⇒ x23 8 −5 +8 − 1 10. oo
Tabla de índices de mejoramiento
Mejoramiento de la solución presente

Considerando que se ha encontrado la celda de índice de mejoramiento más negati-
vo, que en este caso es la celda x13 con índice –2, tendremos que asignar el mayor
número de unidades posible a esta celda.
Observando la siguiente tabla se ve que en las celdas x12 y x33 aparecen valores (–1),
por lo que su asignación se verá disminuida como resultado del proceso de reasignación.
Además la asignación actual de x12 es de 100 y de x33 es 20, por lo tanto estas son las
2 1 5 3
– 1 100 1
7 4 1 8
150
3 2 8 5
45 10 20 50
1 –1
5 – 1 + 2 – 8 = –2
Tabla 8.11
reducciones máximas permitidas en cada celda. Resulta evidente que debemos utilizar el
menor de estos valores para la reasignación:
A la celda x13 que es la que tiene menor índice de mejoramiento (–2), asignamos el
menor valor entre 100 y 20, de esta manera en la celda x13 asignamos 20 unidades
disminuyendo las 100 unidades de x12 a 80 para equilibrar la oferta de Cali que es de 100
unidades en total, mientras que en la celda x32 asignamos 20 unidades más a las 10 que
tenía para quedar en 30 unidades con el fin de equilibrar las 110 unidades de demanda de
Santa Marta y la celda x33 que tiene 20 unidades queda en cero, para equilibrar la oferta
Oferta
origen
2 1 5 3 100
80 20
Cali
7 4 1 8 150
B/quilla 150
125
Bogotá 3 2 8 5
45 30 50
Demanda
45 110 170 50
Tabla 8.12
de la ciudad de Bogotá, con estas nuevas reasignaciones la nueva tabla queda de la

siguiente manera:
Notemos que con la nueva reasignación de unidades el costo pasa de $ 815 dólares
a 775 dólares, pero aún no sabemos si el problema es óptimo, por lo tanto tendremos
que calcular nuevamente los índices de mejoramientos de las celdas vacías (variables
no básicas).
Si es óptimo significa que los índices de mejoramiento son todos positivos, si no lo es
encontraremos índices de mejoramiento negativos, y así debemos escoger el más nega-
tivo de todos para seleccionar la variable de entrada.
500 ALGEBRA LINEAL
Tabla de costo total en la primera iteración

por unidad que se envían total
Cali − Sta Marta US$ 1 80 US$ 80

Cali – San Andrés US$ 5 20 US$ 100
B / quilla – San Andrés US$ 1 150 US$ 150
Bogotá – Cartagena US$ 3 45 US$ 135
Bogotá – Sta Marta US$ 2 30 US$ 60
Bogotá – Medellín US$ 5 50 US$ 250
Total US$ 775
Ahora procedemos a calcular nuevamente los Índices de Mejoramiento en las celdas

vacías, con el fin de conocer si el problema es óptimo, en este momento, las celdas no
ocupadas según la tabla 8.12 (p. 499) son: x11, x14, x21, x22, x24 y x33
Índice de
Celda no básica Trayectorias Cálculo mejoramiento
x11 x11 ⇒ x31 ⇒ x32 ⇒ x12 2 − 3+ 2 −1 0

x14 x14 ⇒ x12 ⇒ x32 ⇒ x34 3−1+ 2 −5 −1
x21 x21 ⇒ x23 ⇒ x13 ⇒ x12 ⇒ x32 ⇒ x31 7 −1+5−1+ 2 − 3 9
x22 x22 ⇒ x23 ⇒ x13 ⇒ x12 4 −1+ 5−1 7
x24 x24 ⇒ x23 ⇒ x13 ⇒ x12 ⇒ x32 ⇒ x34 8−1+5−1+ 2 −5 8
x33 x33 ⇒ x32 ⇒ x12 ⇒ x13 8 − 2 +1− 5 2
De esta manera x14 es la variable de entrada donde se reasignan 50 unidades dismi-

nuyendo las 80 unidades asignadas en x12 a 30 unidades, y aumentando las 30 unidades
de la celda x32 a 80, para mantener las ofertas y demandas del problema, de esta manera
la nueva solución es:
Oferta
origen
2 1 5 3 100
30 20 50
Cali
7 4 1 8 150
B/quilla 150
125
Bogotá 3 2 8 5
45 80
Demanda
45 110 170 50
Tabla 8.13
Tabla de costo total
Costo Unidades Costo

Ruta
por unidad queseenvían total US$
Cali − Santa Marta US$1 30 US$30

Cali – SanAndrés US$5 20 US$100
Cali – Medellín US$ 3 50 US$150
B / quilla – San Andrés US$1 150 US$150
Bogotá – Cartagena US$ 3 45 US$135
Bogotá – Santa Marta US$ 2 80 US$160
Total US$ 725
Como notamos en la tabla anterior el costo total es de US$ 725, nuevamente calcula-
remos los Índices de Mejoramiento en las celdas no ocupadas
x11, x21, x22, x24, x33, x34
502 ALGEBRA LINEAL
Índice de
Celda no básica Trayectorias Cálculo mejoramiento
x11 x11 ⇒ x31 ⇒ x32 ⇒ x12 2 − 3+ 2 −1 0

x21 x21 ⇒ x31 ⇒ x32 ⇒ x12 ⇒ x13 ⇒ x23 7 − 3+ 2 −1+ 5−1 9
x22 x22 ⇒ x23 ⇒ x13 ⇒ x12 4 −1+5−1 7
x24 x24 ⇒ x14 ⇒ x13 ⇒ x23 8−3+5−1 9
x33 x33 ⇒ x13 ⇒ x12 ⇒ x32 8 −5+1− 2 2
x34 x34 ⇒ x14 ⇒ x12 ⇒ x32 5− 3+1− 2 1
Resumen del problema

El costo total de la solución factible inicial fue de US$ 815, en la siguiente iteración el
costo disminuye a US$ 775, ahora como los índices de mejoramiento en la tabla anterior
son todos positivos, el problema es óptimo, con un costo total mínimo de US$ 725.
8.3 MODELO DE TRANSPORTE NO EQUILIBRADO

En el problema anterior consideramos el problema de transporte equilibrado, es decir,
la oferta y la demanda son iguales. A los problemas donde no existe igualdad de oferta
y demanda se les denomina problemas de transporte no equilibrado.
El método del cruce del arroyo se puede utilizar solo para problemas equilibrados, en
el caso de problemas no equilibrados se crea un punto de demanda u oferta artificial
según el caso; consideremos dos casos:
• Caso I. Si la suma de las ofertas es mayor que la suma de las demandas, creamos
un punto de demanda artificial igual al exceso de la oferta.
• Caso II. Si la suma de las demandas es mayor que la suma de las ofertas, creamos
una oferta artificial igual al exceso de demanda.
Tomemos como ejemplo el problema de transporte de la compañía de electrodomés-
ticos, suponga que la bodega de Barranquilla llegó un cargamento adicional de 50
electrodomésticos, de esta manera el nuevo problema queda de la siguiente forma:
Tabla inicial
Destino ficticio
Cartagena St. Marta S. Andrés Medellín Oferta Destino que se
añade a un
2 1 5 3 100 problema de
Cali transporte no
equilibrado, para
7 4 1 8 200 hacer que la
B/quilla oferta sea igual a
la demanda total.
Bogotá 125
3 2 8 5
Demanda 45 110 170 50
Tabla 8.14
Notemos que la suma de las ofertas es 100+200+125 = 425 y la

suma de las demandas es 45+110+170+50 = 375 de esta manera ob-
servamos que la oferta tiene un exceso de 50 unidades (electrodomés-
ticos), por lo tanto hay que crear un punto de demanda artificial igual al
exceso de la oferta que es de 50 unidades. Asignando a los costos en
este punto de demanda el valor cero, como se presenta en la siguiente
tabla:
Cartagena St. Marta S. Andrés Medellín Demanda Oferta

artificial
2 1 5 3 0 100
Cali
7 4 1 8 0 200
B/quilla
3 2 8 5 0 125
Bogotá
Demanda 45 110 170 50 50 425
Tabla 8.15
504 ALGEBRA LINEAL
Ahora procedemos a calcular una solución factible inicial, mediante el método del
costo mínimo como se muestra en la siguiente tabla:
Cartagena St. Marta S. Andrés Medellín Demanda

artificial Oferta
2 1 5 3 0 100
Cali 100 0
7 4 1 8 0 200
150
B/quilla 150 50
0
125
3 2 8 5 0
115
Bogotá 45 10 20 50
70
20
Demanda 45 110 170 50 50
0
0 10 20 0 0
0 0
Tabla 8.16
Tabla de la solución factible inicial

Ruta
De A
Cali Santa Marta US$1 100 $100
Barranquilla San Andrés US$1 150 $150
B / meja Punto ficticio US$ 0 50 $0
Bogotá Cartagena US$ 3 45 $135
Bogotá San Andrés US$ 8 20 $160
Total $ 815
Solución degenerada: es una solución para un problema de transporte que tiene menos
de m + n – 1 arcos, con flujo positivo. (n: número de destinos)
En la solución factible inicial, calculada por medio del método del costo mínimo, el
costo total es de US$ 815, a continuación utilizamos el método del cruce del arroyo.
• En primer lugar se pudo lograr equilibrio entre la oferta y la demanda, agregando un
punto de demanda artificial con una demanda igual al exceso de la oferta con 50
unidades.
• El número de celdas con asignación es m + n – 1 = 3 + 5 – 1 = 7, es decir 7 celdas
ocupadas (variables básicas), por lo tanto existen 8 celdas no ocupadas que son x11,
x13, x14, x15, x21, x22, x24, x35 a las cuales les calculamos los índices de mejoramiento
mediante trayectorias cerradas, con el fin de establecer si el problema es óptimo o no,
como se muestra en la tabla siguiente:
Celda no básica Trayectoria Índice de

Cálculo
mejoramiento
x11 x11 ⇒ x12 ⇒ x32 ⇒ x31 2 −1+ 2 − 3 0
x13 x13 ⇒ x12 ⇒ x32 ⇒ x33 5−1+ 2 −8 −2
x14 x14 ⇒ x12 ⇒ x32 ⇒ x34 3−1+ 2 − 5 −1
x15 x15 ⇒ x12 ⇒ x32 ⇒ x33 ⇒ x23 ⇒ x25 0 −1+ 2 − 8 +1− 0 −6
x21 x21 ⇒ x31 ⇒ x33 ⇒ x23 7 −3+8−1 11
x22 x22 ⇒ x32 ⇒ x33 ⇒ x23 4−2+8−1 9
x24 x24 ⇒ x23 ⇒ x33 ⇒ x34 8 −1+ 8 −5 10
x35 x35 ⇒ x33 ⇒ x23 ⇒ x25 0 −8 +1− 0 −7
Notemos que algunos índices de mejoramiento son negativos, por lo tanto el problema
no es óptimo, además el índice de mejoramiento más negativo es –7 que corresponde a
la celda x35 (celda de entrada), esto significa que a la celda x35 se le debe hacer una
reasignación de la siguiente manera:
Se asignan 20 unidades a la celda x35, se disminuyen 20 unidades en la celda x25
quedando solo 30 de las 50 unidades y se aumentan 20 unidades a la celda x23 quedando
170 y se reducen 20 unidades en la celda x33, quedando en cero para establecer el
equilibrio de oferta y demanda
506 ALGEBRA LINEAL
Cartagena St. Marta S. Andrés Medellín Artificial Oferta

2 1 5 3 0
100
100
Cali
7 4 1 8 0 200
B/quilla 170 30
3 2 8 5 0 125
Bogotá 45 10 50 20
Demanda 45 110 170 50 50 425
Tabla 8.17
Tabla de costos I

RutaRuta
De A
Cali Santa Marta US$ 1 100 $ 100
B / quilla San Andrés US$ 1 170 $ 170
B / quilla Punto ficticio US$ 0 30 $0
Bogotá Cartagena US$ 3 45 $ 135
Bogotá Punto ficticio US$ 0 20 $0

Total $ 675
El costo total es US$ 675, nuevamente calculamos los índices de mejoramiento para
las celdas vacias:
x11, x13, x14, x15, x21, x22, x24, x33
Celda no básica Trayectorias Índice de mejoramiento
x11 x11 ⇒ x12 ⇒ x32 ⇒ x31 2 −1+ 2 − 3 0

x13 x13 ⇒ x12 ⇒ x32 ⇒ x35 ⇒ x25 ⇒ x23 5 −1+ 2 − 0 + 0 −1 5
x14 x14 ⇒ x12 ⇒ x32 ⇒ x34 3 −1+ 2 − 5 −1
x15 x15 ⇒ x12 ⇒ x32 ⇒ x35 0 −1+ 2 − 0 1
x21 x21 ⇒ x31 ⇒ x35 ⇒ x25 7 − 3+ 0− 0 4
x22 x22 ⇒ x32 ⇒ x35 ⇒ x25 4−2+0−0 2
x24 x24 ⇒ x34 ⇒ x35 ⇒ x25 8−5+ 0− 0 3
x33 x33 ⇒ x35 ⇒ x25 ⇒ x23 8− 0+ 0−1 7
El único índice de mejoramiento negativo que queda es –1, de la celda x14 por lo tanto
la nueva reasignación es:
Cartagena St. Marta S. Andrés Medellín Artificial Oferta
2 1 5 3 0 100
Cali 50 50
7 4 1 8 0 200
B/quilla 170 30
3 2 8 5 0 125
Bogotá 45 60 20
Demanda 45 110 170 50 50
Tabla 8.18
508 ALGEBRA LINEAL
Tabla de costos II

RutaRuta
por unidad queseenvían total US$
De A
Cali Santa Marta US$1 50 $50
Cali Medellín US$3 50 $150
B / quilla San Andrés US$1 170 $ 170
B / quilla Punto ficticio US$ 0 30 $0
Bogotá Cartagena US$3 45 $135
Bogotá Punto ficticio US$ 0 20 $0
Total $ 625
En la solución factible inicial, el costo fue de US$ 815, en la primera iteración US$ 675
y en la segunda iteracción US$625 pero debemos verificar si el costo sigue disminuyen-
do hasta llegar a la solución óptima del problema, tenemos que calcular nuevamente los
índices de mejoramiento para saber si el problema es óptimo o no, lo mostramos en la
siguiente tabla para las celdas vacías:
x11, x13, x15, x21, x22, x24, x33, x34
Índice de
Celda no básica Trayectoria Cálculo
mejoramiento
x11 x11 ⇒ x31 ⇒ x32 ⇒ x12 2 −3+2 −1 0
x13 x13 ⇒ x12 ⇒ x32 ⇒ x35 ⇒ x25 ⇒ x23 5−1+ 2 − 0 + 0 −1 5
x15 x15 ⇒ x12 ⇒ x32 ⇒ x35 0 −1+ 2 − 0 1
x21 x21 ⇒ x31 ⇒ x35 ⇒ x25 7−3+0−0 4
x22 x22 ⇒ x32 ⇒ x35 ⇒ x25 4−2+0−0 2
x24 x24 ⇒ x14 ⇒ x12 ⇒ x32 ⇒ x35 ⇒ x25 8 − 3+1− 2 + 0 − 0 4
x33 x33 ⇒ x23 ⇒ x25 ⇒ x35 8 −1+ 0 − 0 7
x34 x34 ⇒ x14 ⇒ x12 ⇒ x32 5− 3+1− 2 1

Todos los índices de mejoramiento son positivos lo cual significa que el problema es
óptimo y el costo total es el mínimo.
Toma de decisión
Se deben enviar 50 electrodomésticos de Cali a Santa Marta, 50 unidades de Cali a
Medellín, 170 de Barranquilla a San Andrés, 45 de Bogotá a Cartagena y 60 de Bogotá
a Santa Marta con un costo total mínimo de US $625.
Diagrama de flujo para el modelo de transporte
IN IC IO
Tabla in ic ia l
d e tran sporte
PA S O I
M éto do d el co sto m ín im o
S o luc ión factib le inicial
PA S O II
C álcu lo d e ín dice s de
m e joram iento
PA S O III
no
¿H ay ín dices n eg ativ os? A sign ación fin al F IN
sí
P ro ce so d e
rea sig nació n
PA S O IV
510 ALGEBRA LINEAL
• PASO I. Formular la tabla Inicial de Transporte correspondiente al

problema del Transporte.
• PASO II. Emplear el método del Costo Mínimo para encontrar una
solución Factible Inicial (Asignación Inicial).
• PASO III. Calcular el Índice de Mejoramiento para cada celda
que no tenga Asignación. Si los Índices de Mejoramiento son todos
positivos, el problema es Óptimo, si existen Índices de Mejoramien-
to negativos, entoces el problema no es Óptimo, y se continua con
el Paso IV.
• PASO IV. Para la celda sin asignación con el Índice de Mejora-
miento mas negativo, se determina la celda del circuito con signo
negativo que tenga la menor Asignación; este es el valor que se
emplea para una nueva Asignación, se suma este valor a las cel-
das del circuito que tengan signo positivo, y se resta a las que ten-
gan signo negativo. Se continúa desde el paso III.
8.4 PROBLEMA DE ASIGNACIÓN

El problema de asignación es un caso especial del problema de
transporte, este tipo de problema se puede emplear en la toma de deci-
siones en proyectos que se relacionan con personal, ventas, licitaciones,
asignaciones de tareas a operarios y en general en muchos contextos
de la administración.
El problema de asignación consiste en asignar un trabajador a una
tarea, a una máquina o proyecto con el fin de maximizar la utilidad,
minimizar el costo o minimizar tiempo de trabajo.
Consideremos el caso de una universidad donde en la facultad de
contaduría hay 4 aspirantes a graduarse, como requisito para lograrlo
necesitan realizar una monografía en algún tema afin a la carrera, los
aspirantes escogieron los temas de costos estándar, finanzas, teoría de
riesgo, y evaluación de proyectos.
Problema de
El Director del programa debe nombrar cuatro directores de mono- asignación
Problema de
grafía para cada tema teniendo en cuenta la especialización e idonei- flujo en redes,
dad en cada área con el fin de dirigir las monografías. La facultad con frecuencia
estima que la duración de tiempo de los proyectos depende de la expe- implica la
riencia y aptitud de cada director y aspirante. asignación de
agentes y tareas
Tiempos estimados de culminación de monografía (meses) para el problema

de asignación de la facultad de contaduría
Aspirantes
Director del Costos Ev.

Finanzas T. de riesgo
proyecto estándar proyectos
1 15 18 16 10
2 14 17 17 8
3 15 19 23 17
4 20 14 16 17
En la tabla anterior se resume en meses los tiempos estimados de terminación de los

proyectos, por ejemplo utilizando estos datos se observa que el director 2 necesita 14
meses para la culminación de la monografía de costos estándar, mientras que el director
1 necesitará 18 meses para el proyecto de finanzas.
El objeto del problema es ver todas las posibles asignaciones entre el encargado del
proyecto y los diferentes temas, teniendo en cuenta que a cada director de monografía le
corresponde a lo sumo un proyecto y cada proyecto debe ser realizado por un solo
director, además la universidad quiere minimizar el tiempo total en meses de los 4 pro-
yectos.
Lo mismo que en el problema de transporte el modelo de asignación se puede plan-
tear mediante una red, donde los nodos representan los directores de monografía y los
temas de monografía, los arcos son las posibles asignaciones de los encargados de la
monografía a los temas asignados.
El modelo de asignación requiere de una restricción para cada nodo y una variable
para cada arco, además cada variable de decisión se designa con doble subíndice en
donde por ejemplo x11 denota la asignación del director de monografía 1, al tema costos
estandar, x12 indica la asignación del director de monografía 1 al tema finanzas y así
sucesivamente, de una manera más general las variables de decisión se definen de la
siguiente manera:
R|1, si se asigna el director de monografía i al tema j
xij = S|0, si no es así
T
512 ALGEBRA LINEAL
Empleando esta notación x31 = 1 significa que al director 3 se le asigna el proyecto de

costos estándar y x12 = 0 significa que al director uno no se le asigna el proyecto de
finanzas, es decir a las variables de decisión en un modelo de asignación solo pueden
tomar los valores 1 ó 0.
Red del modelo de asignación del problema de proyectos de monografías
Directores Temas
de monografía de monografía
Costo
1→ 1 estándar → 1
1→ 2 Finanzas → 1
1→ 3 Teoría de →
riesgo
1
Ev. de
1→ 4 proyectos → 1
Oferta Demanda
Como observamos en el gráfico de red anterior las ofertas y la demanda son iguales
a uno y por supuesto el planteamiento del modelo de asignación es muy similar al de
transporte.
Planteamiento de la función objetivo

Empleando la notación xij para las variables de decisión y los datos de la tabla de los
tiempos (meses) estimados para la culminación de la monografía tenemos el siguiente
planteamiento:
- Meses que requiere el director de monografía UNO (1)
15x11 + 18x12 + 16x13 + 10x14
- Meses que requiere el director DOS (2)
14x21 + 17x22 + 17x23 + 8x24
- Meses que requiere el director de monografía TRES (3)
15x31 + 19x32 + 23x33 + 17x34
- Meses que requiere el director de monografía CUATRO (4)
20x41 + 14x42 + 16x43 + 17x44
La sumatoria de los tiempos en meses de la culminación de las cuatro monografías
para los 4 directores se representa con la siguiente expresión:
Minimizar : Z = 15x11 + 18x12 + 16x13 + 10x14 + 14x21 + 17x22 + 17x23 + 8x24 + 15x31
+ 19x32 + 23x33 + 17x34 + 20x41 + 14x42 + 16x43 + 17x44
Para el planteamiento de las restricciones del problema de asignación debemos tener
en cuenta que a cada director de monografía puede ser asignada, a lo sumo una mono-
grafía y cada monografía solamente un director, por lo tanto las restricciones se expre-
san de la siguiente forma:
(1) x11 + x12 + x13 + x14 < 1 Asignación director 1
(5) x11 + x21 + x31 + x41 = 1 Tema costos estándar
(6) x12 + x22 + x32 + x42 = 1 Tema de finanzas
(7) x13 + x23 + x33 + x43 = 1 Tema teoría de riesgo
(8) x14 + x24 + x34 + x44 = 1 Tema evaluación de proyectos
Observe que existen 8 restricciones correspondientes a los 8 nodos de la red.
514 ALGEBRA LINEAL
Ahora combinando la función objetivo planteada y las restricciones podemos plantear

el problema de programación lineal de asignación con 16 variables de decisión y 8 res-
tricciones
Modelo de asignación
xij =
RS1, si el director i se asigna al tema j
T0, en otro caso
+ 19x32 + 23x33 + 17x34 + 20x41 + 14x42 + 16x43 + 17x44
Sujeto a :
x11 + x12 + x13 + x14 <1
x21 + x22 + x23 + x24 <1
x31 + x32 + x33 + x34 <1
x41 + x42 + x43 + x44 <1
x 11 x21 x31 x41 =1

x12 x22 x32 x42 =1
x13 x23 x33 x43 =1
x14 x24 x34 x44 =1
xji >0 para i = 1,2,3,4, y j =1,2,3,4
Solucionando el problema con el paquete computacional QSB, los resultados son:

Asignación Tiempo estimado (meses)
Director 1 Teoría de Riesgo 16
Director 2 Evaluación de proyectos 8
Director 3 Costos estándar 15
Director 4 Finanzas 14
Total 53 meses
8.5 MODELO GENERAL DE PROGRAMACIÓN LINEAL PARA EL PRO-

BLEMA DE ASIGNACIÓN
El problema de asignación contiene m agentes, y n tareas, además el valor de las
variables de decisión uno o cero dependiendo de si se asignan las tareas o nó, es decir xij = 1
si al agente i se le asigna una tarea j y xij = 0 si al agente i no se asigna a la tarea j, si cij
si se designa como el costo de asignar el agente i a la tarea j, el modelo general de
programación lineal de asignación es:
xij =
RS1, si el director i se asigna al tema j
T0, en otro caso
m n
Minimizar Z = ∑ ∑ cij xij
i =1 j =1
n
Sujeto A: ∑ xij ≤ 1, i = 1, 2, . . . m agentes
j =1
m
∑ xij = 1, j = 1, 2, . . . n tareas
i =1
Donde xij > 0 para toda i toda j
8.6 MÉTODO HÚNGARO

El modelo de asignación es un tipo especial de problema de programación lineal por lo
tanto se puede resolver por medio del método simplex para hallar la solución óptima,
pero no es muy práctico, por ejemplo el caso del problema de los proyectos de monogra-
fía tiene 16 variables de decisión y 8 restricciones y para llevarlo a la forma estandar se
necesitan cuatro variables de holgura, cuatro variables de excedente y cuatro variables
artificiales.
Como el problema es muy grande en tamaño por el número de restricciones y varia-
bles de decisión es conveniente utilizar un metodo muy sencillo y práctico para resolver
problemas de asignación llamado método húngaro que consiste en reducir la matriz de
asignación mediante una serie de apreciaciones aritméticas con el objeto de minimizar la
función objetivo, que se puede representar como costo, tiempo de trabajo, etc.
516 ALGEBRA LINEAL
PASOS DE MÉTODO HÚNGARO

• PASO I. Reducción de filas
Elabore una matriz eligiendo el valor mínimo de cada fila y restán-
dolo a cada valor en esa fila.
La matriz de tiempos estimados para la culminación de la mono-
grafía es:
Costos estándar Finanzas R. riesgo Ev. de proyectos

1 15 18 16 10
2 14 17 17 8
3 15 19 23 17
4 20 14 16 17
Tabla 8.19
Método hungaro
Procedimiento de
Seleccionamos los valores mínimos de cada fila encerrándolos en solución de
propósito
un círculo, para luego reducir la matriz inicial restando a cada elemento especial, para
de la fila el elemento seleccionado como se muestra en las tablas 8.20 resolver
y 8.21. problemas de
asignación
15 − 10 = 5 18 − 10 = 8 16 − 10 = 6 10 − 10 = 0
14 − 8 = 6 17 − 8 = 9 17 − 8 = 9 8−8 = 0
15 − 15 = 0 19 − 15 = 4 23 − 15 = 8 17 − 15 = 2
20 − 14 = 6 14 − 14 = 0 16 − 14 = 2 17 − 14 = 3
Tabla 8.20
5 8 6 0
6 9 9 0
0 4 8 2
6 0 2 3
Tabla 8.21
• PASO II. Reducción de columnas

Seleccionamos el menor elemento de cada columna encerrándolo en un círculo, (ta-
bla 8.21), y restamos a cada elemento de la columna el elemento seleccionado, como se
muestra en las tablas 8.22 y 8.23.
5−0 = 5 8−0=8 6−2 = 4 0−0= 0

6−0= 6 9−0=9 9−2=7 0−0= 0
0−0= 0 4−0=4 8−2 = 6 2−0=2
6−0= 6 0−0= 0 2−2=0 3− 0 = 3
Tabla 8.22
5 8 4 0
6 9 7 0
0 4 6 2
6 0 0 3
Tabla 8.23
El problema de asignación que representa la matriz reducida de la tabla 8.23 es

equivalente al problema original de asignación porque el cambio mencionado de los co-
eficientes de la matriz original a la reducida no afecta el valor óptimo. Por ejemplo:
observe que en el paso uno (tabla 8.21) se ha restado a cada uno de los elementos de la
primera fila el elemento mínimo que es 10, esto significa que al Director de monografía
1, el tiempo para cualquier proyecto será de 10 meses menos, de manera similar para el
director de monografía 2, 3, 4 son 8, 15, 14 meses menos respectivamente; mientras que
en el paso dos (tabla 8.23) se hizo una reducción por columnas donde la columna (3)
(Teoría de riesgo) fue la única que sufrió cambio en 2 meses menos ocasionando así una
solución equivalente, es decir la misma solución óptima.
En otras palabras el objeto del método húngaro es continuar reduciendo la matriz
hasta que el valor de una de las soluciones sea cero, lo cual consiste en determinar la
asignación de los directores de monografía a los proyectos que requieren un tiempo total
de cero meses, esto en términos de una matriz reducida. Ahora la pregunta es: ¿Cómo
saber si la solución es óptima o no?
518 ALGEBRA LINEAL
PRUEBA DE OPTIMALIDAD
• PASO III. Determinar si el problema es óptimo

Encuentre el número mínimo de líneas rectas que se puedan trazar sobre las filas y
las columnas para cubrir todos los ceros. Si el número es igual al de filas (o columnas) de
la matriz, se dice que la matriz es reducida y continuamos con el paso 5 (encontrar la
solución óptima). Si el número de rectas es menor que el número de filas (o columnas)
de la matriz, continuamos con el paso 4 (reducciones posteriores).
5 8 4 0 3 líneas
No es Óptimo
6 9 7 0
0 4 6 2
6 0 0 3
Tabla 8.24
Observando la tabla 8.24 el número mínimo de líneas rectas que cubren todos los
ceros en la matriz, es tres y es menor que el número de filas y columnas de la matriz, que
son cuatro, por lo tanto el problema no es óptimo, posteriormente pasamos al paso cuatro.
• PASO IV. Reducciones posteriores

Encuentre el valor mínimo de las celdas no cubiertas (sin línea recta), reste el valor
de esta celda a todas las celdas no cubiertas, y súmelo a las celdas que se encuentran en
las intersecciones de las rectas dibujadas en el paso III.
El valor mínimo de las celdas no cubiertas es 4 (encerrado en un círculo en la tabla
8.24) y este valor es el que se le debe sumar a las celdas cruzadas por las rectas y restar
a las celdas no cubiertas. Como se observa en las tablas 8.25 y 8.26
5−4 =1 8−4 = 4 4−4=0 0

6−4 = 2 9−4=5 7−4=3 0
0 4 6 2+4=6
6 0 0 3+4 = 7
Tabla 8.25
1 4 0 0
2 5 3 0
0 4 6 6
6 0 0 7
Tabla 8.26
Ahora tenemos la matriz reducida de la tabla 8.26 y nuevamente volvemos al paso III
para hacer la prueba de optimalidad trazando en las filas y columnas de la matriz reduci-
da (tabla 8.26) el número mínimo de rectas que puedan cubrir los ceros.
Realizando esta prueba se ocupan cuatro rectas para cubrir todos los ceros, en la
tabla 8.27 aparece una de las formas posibles de cubrir los ceros con rectas.
MATRIZ FINAL REDUCIDA
1 4 0 0
2 5 3 0
0 4 6 6
6 0 0 7
Tabla 8.27
Observe que existen otros conjuntos de 4 rectas que cubren todos los ceros, además
el número de rectas que cubren los ceros es igual al número de filas y columnas de la
matriz que es cuatro, por lo tanto el problema de asignación es óptimo y continuamos con
el paso V.
• PASO V. Solución óptima

Luego de aplicar el paso III para la prueba de optimalidad, escogemos las asignacio-
nes correspondientes en la tabla 8.27, lo cual consiste en encontrar una asignación
usando sólo celdas que tengan valor cero, teniendo en cuenta que debemos escoger sólo
una celda de cada columna y cada fila, lo anterior es para garantizar que a cada director
de monografía le corresponda un solo proyecto y a su vez a cada proyecto un solo
director de monografía.
520 ALGEBRA LINEAL
Ahora apreciemos la posición de las celdas de valor cero de la tabla 8.27 con la tabla
original de tiempos estimados para la culminación del proyecto como se muestra ensegui-
da:
Tabla inicial
Costo Finanzas Riesgo Ev. proy

15 18 16∗ 10
14 17 17 8∗
15∗ 19 23 17
20 14∗ 16 17
Matriz reducida
Costo Finanzas Riesgo Ev. proy

1 4 0∗ 0
2 5 3 0∗
0∗ 4 6 6
6 0∗ 0 7
Observando la comparación de las dos tablas anteriores el cero de la celda (1,3) en la

matriz reducida es equivalente a los 16 meses de tiempo de duración del proyecto Teoría
de Riesgo y es asignado al director 1. (Tabla inicial), el cero de la celda (3,1) en la matriz
final es equivalente a los 15 meses de duración del proyecto costos estándar con el
director 3 y así sucesivamente, ahora resumimos la información en la siguiente tabla:
Asignación final
Director de monografía Tipo de proyecto Meses de duración

1 Teoría de riesgo 16
2 Evaluación de proyectos 8
3 Costos estándar 15
4 Finanzas 14
Tiempo total 53
Esto quiere decir que para la universidad el tiempo mínimo de duración de los 4
proyectos es 53 meses equivalente a 4 años y 5 meses.
Resumen del método húngaro en un diagrama de flujo
IN IC IO
C o nstru c ción d e la
m a triz d e asig n ac ió n
D esarro llo d e la
m a triz red u cid a
PA S O II
Pru eb as d e Ó p tim o
o p tim alid ad Se h ac e la asig nació n
FIN
PA S O V
PA S O III
N o ó p tim o
R ev isión de
la m atriz
PA S O IV
522 ALGEBRA LINEAL
8.7 PROBLEMA DE TRANSBORDO

El problema de transbordo es un tipo de problema de programación lineal de flujo en
redes basado en la ampliación del problema de transporte.
Recordemos que el problema de transporte consiste en la distribución de bienes y
servicios a partir de varios lugares de suministros (nodos de oferta) hacia varios destinos
(nodos demanda) en el problema de transbordo existen tambien los nodos de oferta y
demanda pero se adicionan unos nodos intermedios llamados nodos de transbordo como
se muestra en la siguiente figura:
1 2 3
nodo origen nodo transbordo nodo destino
Uno de los objetivos del problema de transbordo es determinar cuantas unidades se

deben enviar de un sitio a otro por medio de los puntos de transbordo, para minimizar el
costo de transporte pero teniendo en cuenta que se satisfaga la demanda de todos los
destinos.
En una empresa de alfombras las plantas de producción están ubicadas en las ciuda-
des de Cali, Popayán y Bogotá. Además tiene bodegas en las ciudades de Cartagena y
Montería, donde el objetivo de la compañía es vender y exportar (abastecer) a los países
fronterizos como Ecuador, Panamá y Perú; los costos de transporte en dólares por uni-
dad desde las plantas hacia las bodegas de producción, se muestran en la siguiente tabla:
Bodegas y almacenes
Cartagena Montería
Cali
3 2
Popayan
4 1
Bogotá
3 4
Tabla de costos de trasporte desde las bodegas hacia los países

fronterizos:
Países fronterizos
Ecuador Panamá Perú

Bodegas y Cartagena 2 4 3
Bodegas
almacenes Montería 3 4 2
Al igual que en el problema de transporte y asignación, el problema

de transbordo se puede representar en una red en donde cada nodo Problema de
determina una restricción del problema y cada arco una variable de transbordo
decisión. Con la red se puede representar todas las características del Ampliación del
modelo de
problema como se muestra en la siguente figura : transporte para
problemas de
Red del problema de transbordo distribución, que
Plantas de Nodos de implican puntos
producción transbordo y Nodos destino de transferencia,
Nodo origen bodegas Países fronterizos y posibles
envíos entre
800 1 6 600 cualquier par de
nodos.
Cali Ecuador
4
Cartagena
500 2 7 900
Popayan Panamá
5
Montería
700 3 8 500
Bogotá Perú
Abastos Rutas de distribución Demandas

(arcos)
Observe que los nodos 1, 2, 3 son de origen, los nodos 4, 5 son de

transbordo y los nodos 6, 7, 8 son de destino, los valores 800, 500 y 700
son las ofertas de las ciudades de Cali, Popayán y Bogotá, respectiva-
mente mientras que los valores 600, 900, 500 son las demandas en los
países fronterizos (Ecuador, Panamá y Perú).
524 ALGEBRA LINEAL
Como mencionamos anteriormente por cada nodo hay una restricción y por cada
arco una variable, esto significa que para el problema existen 8 nodos correspondientes
a 8 restricciones distribuidas de la siguiente manera:
- 3 restricciones de origen (nodos 1, 2, y 3)
- 2 restricciones de transbordo (nodos 4 y 5)
- 3 restricciones de destino (nodos 6, 7 y 8)
Ahora en la red hay 12 arcos equivalentes a 12 variables de decisión denotadas de la

forma xij para representar el número de unidades de alfombras enviadas de un origen i
(planta de producción) a un destino j. Por ejemplo x14 representa el número de unidades
de alfombras enviadas de la planta uno (Cali) al almacén o bodega (Cartagena), x15
denota el número de unidades de planta uno (Cali) enviadas a Montería (bodega) y así
sucesivamente.
Como la oferta de la planta de Cali es 800 unidades, la cantidad de unidades de
alfombras enviadas de la ciudad de Cali a las ciudades de Cartagena y Montería debe
ser menor que o igual a 800. La restricción de oferta se puede escribir de la siguiente
manera:
x14 + x15 < 800 nodo 1
De manera análoga las restricciones para las plantas de Cali y Bogotá respectiva-
mente son:
x24 + x25 < 500 nodo 2
x34 + x35 < 700 nodo 3
Ahora procedemos a plantear las restricciones de transbordo (nodos 4, 5). Para ob-
tener la restricción para el nodo 4, se deben tener en cuenta el número de unidades que
salen del nodo 4 correspondientes a la suma: x46 + x47 + x48 y el número de unidades que
llegan al nodo 4 correspondientes a x14 + x24 + x34; para plantear la restricción completa
del nodo 4, debemos garantizar que el número de unidades que llegan debe ser igual al
número de unidades que salen, es decir:
x46 + x47 + x48 = x14 + x24 + x34
Organizando la ecuación algebráicamente, la restricción es equivalente a:

– x14 – x24 – x34 + x46 + x47 + x48 = 0
En forma análoga la restricción para el nodo 5 es

– x15 – x25 – x35 + x56 + x57 + x58 = 0
Para obtener las restricciones de los nodos de destino es importante tener en cuenta
que la cantidad de unidades que se envía a ese destino debe ser igual a la demanda, para
el caso del nodo 6 la demanda es de 600 unidades y el número de unidades que se envía
es:
x46 + x56 luego la restricción correspondiente es
x46 + x56 = 600
de manera similar las restricciones para los nodos 7 y 8 respectivamente son:

x47 + x57 = 900
x48 + x58 = 500
Para realizar el planteamiento de la función objetivo debemos tener en cuenta el

costo por unidad en cada ruta y como el problema tiene 12 rutas (12 variables de deci-
sión) por lo tanto la función objetivo es:
3x14 + 2x15 + 4x24 + x25 + 3x34 + 4x35 + 2x46 + 4x47 + 3x48 + 3x56 + 4x57 + 2x58
para plantear todo el modelo de programación lineal de la compañìa de alfombras com-
binamos la función objetivo para minimizar, junto con ocho restricciones teniendo en
cuenta que el modelo tiene 12 variables.
526 ALGEBRA LINEAL
Modelo planteado
R| x : Número de unidades enviadas desde el origen i hasta eldestino j

S| i = 1, 2, 3, 4, 5
ij
T j = 4, 5, 6, 7, 8
Minimizar : Z = 3x14 + 2x15 + 4x24 + x25 + 3x34 + 4x35 + 2x46 + 4x47 + 3x48 + 3x56 +
4x57 + 2x58
Sujeto a :
x14 + x15 < 800
x24 + x25 < 500
x34 + x35 < 700
– x14 – x24 – x34 + x46 + x47 + x48 =0
– x15 – x25 – x35 + x56 + x57 + x58 =0
x46 + x56 = 600
x47 + x57 = 900
x48 + x58 = 500
xij > 0 para todo i, j
Solución por medio de QSB para el problema de la compañía de alfombras
Desde Hasta Unid Costo unit. Costo total Costo reducido
1 Cali Montería 800 2 1600 0
2 Popayan Montería 500 1 500 0
3 Bogotá Cartagena 700 3 2100 0
4 Cartagena Ecuador 600 2 1200 0
5 Cartagena Panamá 100 4 400 0
6 Montería Panamá 800 4 3200 0
7 Montería Perú 500 2 1000 0

Valor total de la función objetivo 10000
Tabla 8.28
Modelo general de programación lineal para el problema de transbordo
xij : Número de unidades enviadas del nodo i al nodo j
Minimizar : Z = ∑ cij ⋅ xij

Sujeto a : ∑ xij − ∑ xij ≤ Nodo origen
(arcos que salen) (arcos que entran)
∑ xij − ∑ xij = 0 Nodos de transbordo
∑ xij − ∑ xij = d j Nodos destino
xij ≥ 0 para toda i, j
en donde: cij : costo por unidad enviada del nodo i al nodo j

Si : oferta en el nodo
dj : demanda en el nodo
8.8 PERT / CPM

En la actualidad las empresas tienen que planear, desarrollar y realizar el seguimiento
paso a paso de un gran número de proyectos; la complejidad de estos proyectos hace
necesaria la utilización de técnicas como PERT y CPM, cuyo significado corresponde a:
PERT: Program Evaluation and Review Technique (Técnica de evaluación y revisión
de programas)
CPM: Critical Path Method ( Método de la ruta crítica)
En la realización de un proyecto se deben tener en cuenta los siguientes aspectos:
• Tiempo de terminación del proyecto
• Fechas de inicio y terminación de cada actividad
• Costo total del proyecto
• Costo de realización de cada actividad
• Recursos indispensables para realizar una actividad
En los siguientes problemas trataremos los dos primeros aspectos, así como la solu-
ción del problema utilizando el programa computacional Win QBS
528 ALGEBRA LINEAL
Ejemplo
Para introducir un nuevo producto al mercado se va a realizar una encuesta estadís-
tica. A continuación se presenta la lista de actividades a realizar con sus respectivos
tiempos
Predecesor Tiempo
Actividad Descripción
inmediato estimado (días)
A Diseño de la encuesta – 8
B Seleccionar el personal A 2
Realizar los formatos
C A 3
de la encuesta
Seleccionar hogares
D A 4
que encuestar
E Capacitar el personal B 5
Revisar y adecuar
F C 3
formatos
G Realizar la encuesta E-F-D 6
A continuación realizamos la red del proyecto utilizando nodos y arcos.

Cada nodo representa el punto de inicio o terminación de una actividad y cada arco
representa una actividad.
B E
3
2 5
A C F G
1 2 4 5 6
8 3 3 6
D
4
A
1 2
8
Nodo de inicio de la Nodo de terminación de

actividad A la actividad A
Arco que representa la

actividad A
Tiempo estimado de duración de la

actividad A
Tiempos próximos
PI: Próximo de iniciación: tiempo más próximo de inicio para una actividad
PT: Próximo de terminación: Tiempo más próximo de terminación para una
actividad.
Los tiempos próximos de iniciación (PI) y próximo de terminación (PT), se colocan

en la red al lado de cada actividad utilizando la notación:
[PI, PT]
Próximo de iniciación
Próximo de terminación
Para calcular los tiempos próximos de las actividades del proyecto procederemos así:
• En el caso de la actividad A, como no hay predecesor inmediato, el tiempo próximo
de iniciación es 0 (Cero) y como la actividad tiene un tiempo estimado de 8 días, el
tiempo próximo de terminación es 8.
( )( ) ( )
Tiempo estimado de
Tiempo próximo de Tiempo próximo de
= realización de la +
terminación iniciación
actividad
PTA = tA + PIA
530 ALGEBRA LINEAL
En la red tenemos la siguiente representación:

[PI, PT]
A [0 , 8]
1 2
8
• La actividad B se puede iniciar después de terminar la actividad A, como A se termi-

na el día 8 después de iniciar el proyecto, entonces el tiempo próximo de iniciación de
B es el día 8 y dado que B tiene un tiempo estimado de realización de 2 días, se tiene
que el tiempo próximo de terminación de B es 8 + 2 = 10 días
PTB = tB + PIB
PTB = 2 + 8 = 10
En la red se representa así:
B [8, 10]
3
2
PtB Tiempo próximo de terminación de B
A [0, 8]
1 2 PIB Tiempo próximo de iniciación de B
8
• La actividad C se inicia luego de terminar la actividad A, dado que A se termina el día

8, entonces el tiempo más próximo de iniciación de C es el día 8. La actividad C tiene
un tiempo estimado de 3 días, por lo tanto el tiempo más próximo de terminación de C
es 8 + 3 = 11 días
PTC = tC + PIC
PTC = 3 + 8 = 11
Gráficamente tenemos: B [8, 10]

3
2
A [0, 8] C [8, 11]

1 2 4
8 3
PTC Tiempo próximo de terminación de C
PIC Tiempo próximo de iniciación de C

• La actividad D al igual que B y C se puede iniciar cuando se ha realizado la actividad

A, como el tiempo más próximo de terminación de A es el día 8, entonces el tiempo
más próximo de iniciación de D es el día 8. La actividad D tiene un tiempo estimado
de 4 días, por lo tanto el tiempo más próximo de terminación de D es 8 + 4 = 12
PTB = tD + PID
PTD = 4 + 8 = 12
B [8, 10]
3
2
A [0, 8] C [8, 11]

1 2 4 5
8 3
D [8, 12]
4
PTD Tiempo próximo de terminación de D
PID Tiempo próximo de iniciación de D
• La actividad E se inicia cuando ya se ha realizado la actividad B, la cual tiene un

tiempo más próximo de terminación de 10 días, por lo tanto el tiempo más próximo de
iniciación de E es el día 10 y PTE = tE + PIE
PTE = 5 + 10 = 15
PIE: Tiempo próximo de

iniciación de D
→
B [8, 10] E
→ PID: Tiempo próximo
[10, 15] de terminación de D
3
2 5
A [0, 8] C [8, 11]

1 2 4 5
8 3
D [8, 12]
4
532 ALGEBRA LINEAL
• La actividad F tiene como predecesor inmediato a C, la cual tiene un tiempo más

próximo de terminación de 11 días, por lo tanto el tiempo más próximo de iniciación de
F es el día 11 y PTF = tF + PIF
PTF = 3 + 11 = 14
En el diagrama de red tenemos:
B [8, 10] E [10, 15]

3
2 5
A [0, 8] C [8, 11] F [11, 14]

1 2 4 5
8 3 3
D [8, 12]
4
• Con la actividad G tenemos un comportamiento un poco diferente a los anteriores, ya

que esta actividad se puede iniciar cuando ya se han realizado las actividades E, F y
D, las cuales tienen tiempos próximos de terminación de 15, 14 y 12 días respectiva-
mente; por lo tanto el tiempo más próximo de iniciación de G es el día 15, el mayor de
los tiempos más próximos de terminación de E, F y D. El tiempo más próximo de
iniciación de G no puede ser por ejemplo el día 12 puesto que este día apenas se ha
realizado la actividad D, pero no se han terminado las actividades E y F. Tenemos la
siguiente regla general:
Tiempo próximo de iniciación:

El tiempo más próximo de iniciación de una actividad que sale de un nodo, es
igual al mayor de los tiempos más próximos de terminación de las actividades
que terminaron en dicho nodo.
E [10, 15 ]
Se selecciona el mayor
F [11, 14 ] E [15, 15]

5
D [8, 12 ]
El tiempo más próximo de terminación de G es PTG = tG + PIG

PTG = 6 + 15 = 21
Como no hay más actividades, el tiempo de realización del proyecto es de 21 días. La
red completa con todos los tiempos próximos de iniciación y terminación, se presentó en
las siguiente figura:
B [8, 10] E [10, 15]

3
2 5
A [0, 8] C [8, 11] F [11, 14] G [15, 21]

1 2 4 5 6
8 3 3 6
D [8, 12]
4
Tiempos lejanos
LI : Lejano de iniciación: Tiempo más lejano de inicio para una actividad
LT: Lejano de terminación: Tiempo más lejano de terminación para una actividad
Los tiempos lejanos de iniciación LI y lejano de terminación LT, se colocan en la red

debajo de cada arco, utilizando la siguiente notación:
(LI, LT)
Lejano de terminación
Lejano de iniciación
Para evaluar los tiempos lejanos de las actividades del proyecto, procedemos del
nodo final hasta el inicial de la siguiente forma:
1) Como el proyecto se termina el día 21 con la actividad G, el tiempo más próximo de
terminación de la actividad G de no todo LTG es el día 21 y dado que el tiempo
estimado de la actividad G es 6 días entonces el tiempo más lejano de iniciación de la
actividad G es 21 – 6 = 15
534 ALGEBRA LINEAL
( Tiempo lejano de
iniciación ) ( = Tiempo lejano de
terminación ) ( –
Tiempo de la
actividad )
LI = LT – t
G [15, 21]
5 6
6 (15, 21)
(LT) Tiempo lejano de terminación de G
(LI) Tiempo lejano de iniciación de G
2) Para terminar el proyecto el día 21, lo más tarde que se puede iniciar la actividad G es el día
15, por lo tanto lo más tarde que se pueden terminar las actividades E, F y D que preceden
a G es el día 15, calculemos los tiempos lejanos de iniciación en la siguiente tabla:
Actividad Tiempo estimado Tiempo lejano Tiempo lejano

de terminación de iniciación
t LT LI = LT – t
E 5 15 1 15 – 5 = 10
F 3 15 15 – 3 = 12
D 4 15 15 – 4 = 11
E [10, 15]
3
5 (10, 15)
F [11, 14] G [15, 21]

2 4 5 6
3 (12, 15) 6 (15, 21)
D [8, 12]
4 (11, 15)
3) El tiempo lejano de iniciación de E es 10 por lo tanto el tiempo lejano de terminación

de su predecesor B es 10.
El tiempo lejano de iniciación de B es:
( Tiempo lejano de
iniciación ) ( = Tiempo lejano de
terminación ) ( –
Tiempo esti-
mado de B )
LIB = LTB – tB
LIB = 10 – 2 = 8
4) Para la actividad C el tiempo lejano de terminación es 12 que corresponde al tiempo

lejano de iniciación de F.
El tiempo lejano de iniciación de L es: LIC = LTC – tC
LIC = 12 – 3 = 9
Al representar los pasos 3) y 4) en la red tenemos:
B [8, 10] E [10, 15]

3
2 (8, 10) 5 (10, 15)
A [0, 8] C [8, 11] F [11, 14] G [15, 21]

1 2 4 5 6
8 3 (9, 12) 3 (12, 15) 6 (15, 21)
D [8, 12]
4 (11, 15)
5) La actividad A precede a las actividades B, C y D con tiempos lejanos de iniciación

8, 9 y 11 respectivamente, por lo tanto lo más lejos que se puede terminar la actividad
A es el día 8 correspondiente al menor de los tiempos de iniciación de B, C y D ya
que si, por ejemplo la actividad A terminara el día 9 entonces no se podría iniciar la
actividad B en el día 8.
Tenemos la siguiente regla general para el tiempo más lejano de terminación de una
actividad:
536 ALGEBRA LINEAL
Tiempo lejano de terminación

El tiempo más lejano de terminación de una actividad que llega a un nodo, es igual
al menor de los tiempos más lejanos de iniciación de las actividades que salen de
dicho nodo.
B
Se selecciona el menor
2 ( 8, 10)
A C
2
8 (0 , 8 ) 3 ( 9, 12)
D
4 ( 11, 15)
El tiempo lejano de iniciación de A se calcula como:

LIA = LTA – tA
LIA = 8 – 8 = 0
La red completa se representa a continuación:
B [8, 10] E [10, 15]

3
2 (8, 10) 5 (10, 15)
A [0, 8] C [8, 11] F [11, 14] G [15, 21]

1 2 4 5 6
8 (0, 8) 3 (9, 10) 3 (12, 15) 6 (15, 21)
D [8, 12]
4 (11, 15)
Holgura de una actividad

La holgura de una actividad se obtiene como la diferencia entre el tiempo lejano
de iniciación y el tiempo próximo de iniciación, o, como la diferencia entre el
tiempo lejano de terminación y el tiempo próximo determinación de la actividad
H = LI – PI
H = LT – PT
La holgura se puede interpretar como el lapso de tiempo adicional que se puede
demorar una actividad sin que altere el tiempo de terminación del proyecto
Ruta crítica: está formada por las actividades con holgura cero. Estas activida-
des son de gran importancia para el administrador del proyecto, pues una demora
en alguna de ellas implica que el proyecto no se termine en la fecha estipulada.
Resumimos los tiempos calculados en el siguiente cronograma de actividades: tabla

8.29
Las actividades en la Ruta crítica son: A – B – E – G
El tiempo de terminación del proyecto es 20 días
538
Tiempo Tiempo Tiempo Tiempo

Actividad Predecesor Tiempo próximo lejano próximo de lejano de Holgura ¿Ruta
inmediato estimado de iniciación de iniciación iniciación terminación critica?
t PI LI PT LT H
A - 8 0 0 8 8 0 SI
B A 2 8 8 10 10 0 SI
C A 3 8 9 11 12 1 -
D A 4 8 11 12 15 3 -
E B 5 10 10 15 15 0 SI
F C 3 11 12 14 15 1 -
G B −C − D 6 15 15 21 21 0 SI
Tabla 8.29
ALGEBRA LINEAL
Ejemplo: la siguiente tabla muestra las actividades de un proyecto con sus predece-
sores inmediatos y los tiempos estimados. Realice la red del proyecto, determine la ruta
crítica y el tiempo de terminación del proyecto
Predecesor Tiempo
Actividad
Inmediato Estimado (días)
A – 3
B – 5
C – 4
D A 5
E A 7
F B 2
G C 4
H D 3
I E, F, G 2
La red del proyecto se presenta a continuación:

A D H
2 5
3 5 3
E
7
7
B F I
1 3 6
5 2 2
C G
4
4 4
Cálculo de la ruta crítica

1) Tiempos próximos: Se calculan de izquierda a derecha, desde el nodo 1 hasta el nodo 7.
( Tiempo próximo de
terminación ) ( = Tiempo
estimado ) (
+
Tiempo próximo de
iniciación )
PT = t + PI
540 ALGEBRA LINEAL
A [0, 3] D [3, 8] H [8, 11]

2 5
3 5 3
E [3, 10]
7 7
B [0, 5] F [5, 7] I [10, 12]
1 3 6
5 2 2
C [0, 4] G [4, 8]
4
4 4
2) Tiempos lejanos: se calculan de derecha a izquierda desde el nodo 7 hasta el nodo 1,

teniendo en cuenta el tiempo de terminación del proyecto que es de 12 días
A [0, 3] D [3, 8] H [8, 11]

2 5
3 (0, 3) 5 (4, 9) 3 (9, 12)
7 (3 E [3, 1
, 10 0] 7
)
B [0, 5] F [5, 7] I [10, 12] Ruta crítica
1 3 6
5 (3, 8) 2 (8, 10) 2 (10, 12)
C [0, 4] G [4, 8]
4
4 (2, 6) 4 (6, 10)
Cronograma de actividades
Tiempo Tiempo Tiempo Tiempo

Actividad Predecesos Tiempo próximo lejano próximo de lejano de Holgura ¿Ruta
inmediato estimado de iniciación de iniciación iniciación terminación critica?
PI LI PT LT
A - 3 0 0 3 3 0 SI
F. SOLER, F. MOLINA, L. ROJAS
B - 5 0 3 5 8 3 -
C - 4 0 2 4 6 2 -
D A 5 3 4 8 9 3 -
E A 7 3 3 10 10 0 SI
F B 2 5 8 7 10 3 -
G C 4 4 6 8 10 2 -
H D 3 8 9 11 12 1 -
I E, F, G 2 10 10 12 12 0 SI
Tabla 8.30
Las actividades en la ruta crítica son A → E → I

El tiempo de terminación del proyecto es de 12 días
541
542 ALGEBRA LINEAL
EJERCICIOS
1. Considere la representación en red del siguiente problema de transporte con los co-
rrespondientes suministros, demandas y costos de transporte por unidad que apare-
cen en la red.
Cali 50
28
60 Sta. Marta 18
14
Cúcuta 30
16
20
40 S. Andrés 10
Bogotá 10
a. ¿Cuántas variables de decisión tiene el problema?

b. ¿Cuántas restricciones de demanda y oferta existen?
c. Plantee el modelo de Programación Lineal correspondiente, sin resolverlo.
2. Considere la representación en forma de red de un problema de flujo de costo míni-

mo que aparece en la siguiente figura. Plantee el modelo de Programación Lineal
correspondiente, sin resolverlo.
1 400
42
30
1 100 1 2 500
36
18
20
28
32
1 300 2 3 800
23
4 700
Nodos oferta Nodos demanda
a. ¿Cuántas variables de decisión tiene el problema?

b. ¿Cuántas restricciones de demanda y oferta existen?
3. ¿Cuál es la representación en forma de red del siguiente planteamiento de Programa-

ción Lineal de un modelo de transporte?
544 ALGEBRA LINEAL
Minimizar : Z = 40x11 + 30x12 + 36x13 + 28x14 + 40x21 + 18x22 + 82x23

Sujeto a : x11 + x12 + x13 + x14 < 1000
x21 + x22 + x23 + x24 < 1200
x11 + x21 = 200
x12 + x22 = 500
x13 + x23 = 800
x14 + x24 = 700
xij > 0 para todo i, j
5. Problema de Transporte. Construya una matriz de transporte con los datos que se
dan a continuación:
Origen Oferta (Capacidad) Destino Demanda

x 1 000 M 800
y 1 600 N 1 400
z 2 000 O 2400
Total 4 600 4 600
Costos unitarios de envio:

A
De M N O
x 4 6 12
y 4 2 10
z 8 12 24
a. Construya la red correspondiente al problema de Transporte.

b. Encuentre una solución inicial con el método de Costo Mínimo.
c. Formule el modelo de programación lineal
d. Resuélvalo con el programa QSB.
6. Problema de Transporte. Una empresa importa de Estados Unidos y Francia partes

para ensamblar computadores, los envios se hacen a las ciudades de Bogotá,
Bucaramanga, Barranquilla y Cali. En el siguiente cuadro se muestran los costos de
importación por unidad de partes en dólares, la demanda de los clientes y suministros
de los países exportadores.
Países exportadores Bogotá Bucaramanga Barranquilla Cali Oferta

Estados Unidos 4 12 12 4 10.000
Francia 2 4 10 14 6.000
Demanda 2.800 6.400 4.000 2.800
a. ¿Cuántos arcos y nodos se necesitan para construir la red del problema?.

b. Construya la red del problema
c. Formule el modelo de programación lineal
d. Resuelva el problema con el programa QSB.
7. Considere los datos en la siguiente tabla para un problema de transporte

M N O W Oferta
10 5 25 15 500
x
35 20 5 40 750
y
625
15 10 40 25
z
225 550 850 250

Demanda
a. Represente la red asociada del problema de transporte.

b. Formule el modelo de programación lineal
c. Justifique porqué el problema de transporte es equilibrado
d. Halle la solución factible inicial por el método del costo mínimo.
e. Resuelva el problema de transporte por el método del Cruce del arroyo.
d. Halle la solución utilizando el programa QSB.
546 ALGEBRA LINEAL
8. Considere el siguiente problema de transporte para enviar ciertos artículos de los

orígenes A, B y C, a los destinos X,Y y Z
100
220 A X 280
200
200
400
600
320 B Y 400
400
200
400
600
300 C Z 160
Oferta Demanda
a. Construya la tabla inicial de transporte.

b. Justifique porqué el problema de transporte es equilibrado
c. Halle la solución factible inicial por medio del método del costo mínimo.
d. Halle la solución para minimizar el costo de transporte por medio del método del
cruce del arroyo.
e. Halle la solución utilizando el programa QSB.
9. Una editorial colombiana suministra libros de educación superior a tres ciudades. La

editorial adquiere libros de dos editoriales extranjeras dado que tiene alianzas estraté-
gicas con Alemania y Francia. Los pronósticos de demanda para el próximo mes son:
Bogotá 880 libros, Cali 400 libros y Medellín 600 libros. La oferta de libros de los
países extranjeros es: Alemania 1 000 libros y Francia 880 libros. El costo de distri-
bución para cada una de las ciudades varia de acuerdo a la ubicación de los provee-
dores. El costo de distribución por cada libro (en dólares), se presenta en la siguiente
tabla:
Desde Bogotá Cali Medellín

Alemania 20 40 30
Francia 24 30 36
a. Construya una representaciónen red de este problema.

b. Formule un modelo de Programación Lineal.
c. Determine la cantidad de libros que deben importar de Alemania y Francia a las
ciudades colombianas para minimizar el costo total de transporte.
d. Halle la solución por medio del programa QSB.
10.Una empresa textil produce telas para cortinas en tres plantas de producción A,B y
C, y los artículos son llevados a tres bodegas B1, B2 y B3. Los costos de transporte
por unidad de tela aparecen en la siguiente tabla:
Bodegas Capacidad de la planta

Planta B1 B2 B3
A 40 32 48 600
B 20 20 16 1 000
C 24 36 20 200
Demanda
de cada 400 800 600
bodega
a. Realice una representación en red del problema del transporte.

b. Formule un modelo de Programación Lineal de transporte.
c. ¿Cuantas unidades de tela se deben enviar de cada planta a cada bodega para mini-
mizar el costo del transporte?
d. ¿Cuál es el costo mínimo?.
e. Halle la solución del problema con el programa QSB.
548 ALGEBRA LINEAL
11. Transporte no equilibrado. Una empresa suministra controles remotos para una
ensambladora de equipos de sonido y televisores. La empresa ensambladora tiene
plantas en las ciudades de Armenia, Manizales y una sede en la ciudad de Barranquilla.
Según la planeación del gerente de la empresa la demanda semestral en miles de
unidades es:
Demanda Semestral
Armenia 100
Manizales 100
Barranquilla 200
La empresa tiene plantas de producción en Cali y Bogotá, las cuales tienen una
capacidad semestral en miles de unidades de:
Capacidad Semestral
Cali 150
Bogotá 200
Los costos de transporte por unidad en dólares son los siguientes:
Armenia Manizales Barranquilla

Desde/Hacia
Cali US$ 6 US$ 4 US$ 2
Bogotá US$ 8 US$ 10 US$ 12
Además la siguiente tabla muestra las pérdidas estimadas por el centro de distribu-
ción por quedar corto en envíos de Controles Remotos a las plantas ensambladoras:
Centros de distribución Pérdidas por unidad en dólares

Armenia US$ 4
Manizales US$ 6
Barraquilla US$ 4
a. Plantee una red asociada al problema.

b. Resuelva el problema por medio del método del cruce del arroyo.
c. ¿Cuál es el costo mínimo?
d. Resuelva el problema con el programa QSB.
12.Transporte no equilibrado. Una multinacional que diseña plantas eléctricas, las produ-
ce en Alemania, Italia y Canadá, las cuales son exportadas a Ecuador, Colombia,
Brasil y Perú. La capacidad trimestral de cada planta es:
Paíse exportadores Capacidad de producción

Alemania 320 unidades
Italia 300 unidades
Canadá 380 unidades
Además los requerimientos trimestrales de los países importadores son:
Países importadores Demanda

Ecuador 160 unidades
Colombia 180 unidades
Brasil 220 unidades
Perú 320 unidades
Los costos unitarios de fletes en dólares son:
Tabla de costos en dólares

Ecuador Colombia Brasil Perú
Desde/Hasta
Alemania 80 100 80 80
Italia 80 100 100 100
Canadá 100 80 80 80
La meta de la empresa es determinar un plan de envío de las plantas eléctricas que

minimice el costo de transporte.
550 ALGEBRA LINEAL
a. Plantee una red asociada al problema.

b. Justifique por qué el problema no es equilibrado
c. Plantee el problema de programación lineal
d. Resuelva el problema por medio del método del cruce del arroyo.
e. ¿Cuál es el costo mínimo?.
f. Resuelva el problema con el programa QSB.
13. Formule el planteamiento de Programación Lineal para el problema de asignación

correspondiente a la red de asignación sin resolverlo.
64
1 1 1 1
72
78
66
70
1 2 2 1
74
66
74
1 3 74 3 1
14.Represente la red asociada al siguiente planteamiento del problema de Asignación

sin resolverlo.
Sujeto a : x11 + x12 + x13 <1
x21 + x22 + x23 <1
x31 + x32 + x33 < 1
x11 + x21 + x31 =1
x12 + x22 + x32 =1
x13 + x23 + x33 = 1
xij > 0 para i = 1, 2, 3 ; j = 1, 2, 3
15.Considere la siguiente tabla de datos:
w1 w2 w3 w4
P1 24 21 6 15
P2 18 9 24 30
P3 12 21 27 27
P4 24 30 24 3
a. Dibuje la red asociada al problema de Asignación.

b. Formule el modelo de Programación Lineal asociado a la red.
c. Resuelva el problema por medio del Método Húngaro.
d. Resuelva el problema por medio del programa QSB.
552 ALGEBRA LINEAL

Problema de transporte
En una compañía de electrodomésticos se aplica el modelo de transporte con 3 plan-
tas y 4 centros de distribución.
En la siguiente tabla se muestran las 3 plantas que están en las ciudades de Cali,
Barranquilla y Bogotá, junto con la capacidad de producción de cada una:
Origen 1 2 3 Oferta total

Planta Cali Barranquilla Bogotá
Capacidad de producción en unidades 100 150 125 375
La compañía distribuye los electrodomésticos a través de cuatro centros de distribu-

ción que son las ciudades de Cartagena, Santa Marta, San Andrés y Medellín; según el
pronóstico la demanda es la siguiente:
Destino 1 2 3 4 Demanda total

Centro de distribución Cartagena S. Marta S. Andrés Medellín
Demanda 45 110 170 50 375
Los costos por unidad de transportar los electrodomésticos de los 3 orígenes a los 4
destinos se presentan en la tabla siguiente:
Tabla de costos de transporte

por unidad de electrodomésticos
(en dólares)
Destinos
Orígenes Cartagena S. Marta S. Andrés Medellín

Medellín
1 Cali 2 1 5 3
2 Barranquilla
Barranquilla 7 4 1 8
3 Bogotá 3 2 8 5
A continuación resolvemos el problema en Win QSB.

1. Al ingresar al programa Win QSB obtenemos el siguiente menù:
2. Seleccionamos la opción "Network Modeling" correspondiente a Modelos de Redes

y obtenemos la siguiente presentación en pantalla:
554 ALGEBRA LINEAL
3. Con el mouse hacemos "clic" sobre el botón , para obtener un cuadro de diálogo
donde seleccionamos la opción "Transportation Problem".
4. Colocamos un nombre al problema e indicamos el número de orígenes y destinos que

intervienen, en este caso tenemos 3 orígenes y 4 destinos, luego con el mouse hace-
mos "clic" sobre el botòn .
5. Introducimos en la hoja los costos por unidad, las ofertas y las demandas como se
ilustra a continuación:
556 ALGEBRA LINEAL
6. Seleccionamos la opción "Solve and Analize" del menú principal de Win QSB, la cual
despliega un menú.
7. En el menú seleccionamos la opción "Solve the Problem":

para obtener la solución del problema.
8. Si desea cambiar los nombres de los nodos haga "clic" sobre el botón para
regresar.
9. Seleccione la opción "Edit" del menú principal de Win QSB.
10.Seleccione la opción .
11. Escriba los nuevos nombres de los orígenes y de los destinos.

558 ALGEBRA LINEAL
Se obtiene el siguiente cuadro de diálogo:
12.Hacemos "click" sobre el botón .
13.Repetimos los pasos 6 y 7 para obtener la solución del problema:
14.Para obtener la representación gráfica del problema, seleccionamos la opción

del menú principal .
15.Seleccionamos la opción del menú:
Obtenemos el diagrama de Red del problema de transporte.
Problema de asignación
Anteriormente se desarrolló un problema, en el cual se considera el caso de una
universidad donde en la facultad de contaduría hay 4 aspirantes a graduarse, como re-
quisito para lograrlo necesitan realizar una monografía en algún tema afin a la carrera,
560 ALGEBRA LINEAL
los aspirantes escogieron los temas de costos estándar, finanzas, teoría de riesgo, y
evaluación de proyectos. El objetivo es minimizar el tiempo en desarrollar las monografías.
Tiempos estimados de culminación de monografía (meses)

para el problema de asignación de la Facultad de Contaduría
Director del proyecto Costosestandar Finanzas T.de riesgo Ev.proyectos

1 15 18 16 10
2 14 17 17 8
3 15 19 23 17
4 20 14 16 17
A continuación resolvemos el problema en Win QSB.

1. Al ingresar al programa Win QSB obtenemos el siguiente menú:
2. Seleccionamos la opción "Network Modeling" correspondiente a Modelos de Redes

y obtenemos la siguiente presentación en pantalla:
3. Con el mouse hacemos "click" sobre el botón , para obtener un cuadro de diálogo
donde seleccionamos la opción .

562 ALGEBRA LINEAL
4. Colocamos un nombre al problema e indicamos el número de objetos a asignar, así

como el número de destinos, en este caso tenemos 4 objetos a asignar y 4 destinos,
luego con el mouse hacemos "click" sobre el botón .

5. Se introducen los tiempos estimados para la realización de las monografías en la hoja

como se presenta a continuación:
6. Se selecciona la opción del menú

564 ALGEBRA LINEAL
7. Seleccionamos del menú:
y obtenemos la solución del problema:
8. Para obtener la representación gráfica del problema, seleccionamos la opción

del menú principal .
9. Seleccionamos la opción del menú:
Obtenemos el diagrama de Red del problema de asignación.

Problema de PERT/CPM
Consideremos el proyecto de la encuesta estadística desarrollado anteriormente.
Actividad Descripción Predecesor Tiempo

inmediato estimado
A Diseño de la encuesta − 8
B Selección de los encuestadores A 2
C Realización de los formatos de encuesta A 3
D Selección de los hogares a encuestar A 4
E Capacitación de los encuestadores B 5
F Revisión y adecuación de formatos C 3
G Realización de la encuesta E, F, D 6
566 ALGEBRA LINEAL
Para resolver el problema en WINQSB, realizamos los siguientes pasos:

1. Al ingresar al programa Win QSB obtenemos el siguiente menú:
2. Seleccionamos la opción correspondiente a
Modelos de PERT/CPM y obtenemos la siguiente presentación en pantalla:

3. Con el mouse hacemos "clic" sobre el botón , y obtenemos el siguiente cuadro de

diálogo donde escribimos en los campos correspondientes:
Título del problema
Número de actividades
Unidad de Tiempo
Verificamos también que se encuentren seleccionadas las opciones:
: Indica que el problema es de tipo determinístico.
: Corresponde al tiempo estimado de cada actividad.
: Permite escribir los datos en una hoja de cálculo de una forma
cómoda.
568 ALGEBRA LINEAL
3. Hacemos "clic" sobre el botón y obtenemos el cuadro siguiente:
4. Llenamos las celdas correspondientes al predecesor inmediato y el tiempo estimado

de cada actividad, como aparece en la tabla siguiente. Donde se colocan varias activi-
dades, se separan con comas " , "
5. Para hallar la solución del problema hacemos "clic" sobre la opción

del menu principal de WINQSB.
6. A continuación seleccionamos la opción en el menú:
7. Obtenemos el cronograma de actividades del proyecto.

570 ALGEBRA LINEAL
8. Para obtener la Red del problema, hacemos "clic" sobre en el menú princi-
pal.
9. En el nuevo menú hacemos "clic" con el mouse sobre la opción
10.Finalmente obtenemos la Red del problema junto con los cálculos de la Ruta Crítica
sobre los nodos.
RESUMEN
En este capítulo presentamos algunos problemas especiales de Programación

Lineal, como Transporte, Asignación, Transbordo y PERT/CPM, estos modelos
lineales se les denomina " Problemas de Flujo en Redes". El problema de Trans-
porte se presenta con frecuencia, cuando se planea la distribución de bienes y
servicios a partir de varios lugares de suministro hacia varios destinos, el proble-
ma busca generalmente minimizar el costo de Transporte.
El modelo de Asignación es un caso especial del modelo de Transporte, en el cual
la oferta en cada origen, y la demanda en cada destino toman el valor 1; este tipo
de problema se emplea para asignar tareas a máquinas, trabajadores, personal
de ventas etc.
El modelo de Transbordo es una extensión del problema de Transporte para pro-
blemas de distribución, que impliquen transferencias de unidades por medio de
unos nodos de Transbordo.
En este capítulo también se mostró como plantear plantear y resolver los proble-
mas con un procedimiento algebraico y adicionalmente se muestra como se solu-
cionan con el paquete computacional QSB; finalmente se presentaron los con-
ceptos PERT/CPM y los procedimientos detallados para elaborar una red, inclu-
yendo los procesos para determinar los tiempos próximos de iniciación, próximos
de terminación, lejanos de iniciación y lejanos de terminación para cada una de
las actividades de la red.
572 ALGEBRA LINEAL
GLOSARIO
• Arcos. Las líneas que conectan los nodos en una red.

• Nodos. Los puntos de intersección o de unión de una red.
• Origen ficticio. Un origen que ha sido agregado a un problema de transporte
para hacer que la oferta total sea igual a la demanda total. La oferta asignada
al origen ficticio es la diferencia entre la demanda toal y la oferta total
• Problema de transporte. Un problema de flujo de redes que a menudo implica
minimizar el costo de embarcar bienes desde un conjunto de orígenes hacia uno
de destinos; se puede formular y resolver como un programa lineal, incluyendo
una variable para cada arco y una restricción para cada nodo.
• Problema de asignación. Un problema de flujo de redes que a menudo involucra
la asignación de agentes a tareas; se puede formular como un programa lineal,
y se trata de un caso especial del problema del transporte.
• Problema de transbordo. Una extensión del problema del transporte a proble-
mas de distribución que involucren puntos de transferencia y posibles embar-
ques entre cualquier par de nodos.
• Método del cruce del arroyo. Caso especial del método simplex que puede
utilizarse para resolver problemas de transporte
• Problema desequilibrado. Problema de transporte en el que la oferta total no
es igual a la demanda total.
• Red. Conjunto de nodos conectados por arcos.
Respuestas a algunos ejercicios y
8 problemas
EJERCICIO 1.1
1 0
2 3 4 3 2 1 2 4 5
1) a. = 0 b. 9 2) A =   B=   3) x = ;y= ;w= ;z=
5 6 7  5 4 7 7 3 3
 1 1 1 5 8 11 14 2 3 4 5
− 7 10 13 16  3 4 5 6
 2 3 4
4) A = − 1 1
− 
1 5)   6)  
 3 4 5 9 12 15 18 4 5 6 7 
2 3  1 − 1 1
7)   8)  
3 4 − 1 1 − 1
EJERCICIOS 1.2
 0 10 − 2  0 10 − 2  3 4 − 7
1) a)   b)   c)  
 − 3 3 − 4  − 3 3 − 4 − 1 1 − 10
− 11 3 24
d)   2) a) Si b) Si
 7 0 − 4
574 ALGEBRA LINEAL
 3 5 7 9 11 13
 4 7 10 13 16 19

4 1 2  31 33 35 37 39 41
6 3 4   − 2 6
3) a)   b) 20 22 24 26 28 30 c)  
9 4 9  13 13 13 13 13 13  − 2 5
 
 8 7 6 5 4 1
4) x = 2; y = 4; w = 3; z = –1
− 131 143  131 143 26 18 51 20

5) a)   b)   c)   d)  
 − 92 72 − 92 72  7 21 10 11
− 18 22 106 54

e)   f)  
 − 2 4  36 70
 2x + 3y + 4z
− 5 x + y + 2 z 
6) a)   b) [–8]
 4 x − 7 y + 2 z 
 1 3 6
0 1 3 2 1 3 1
7)   8) a = ; b= ; c= − ; d=
0 0 1 5 5 5 5
− 1 1 0
 1 5  4 4 
4 0 4 0  2 6  3 1 − 1
9) Sí;   =   10) a) − 1 1 b)  4 4 
0 − 4 0 − 4  3 6
5
 0 0 − 4 
11)a. l ((a1 + b1) + (a2 + b2) + (a3 + b3) + ... + (an + bn))
b. (ai1b1 + c1 + 2) + (ai2b2 + c2 + 2) + ... + (a1nb2 + cn + 2)

c. – a1 + a2 – a3 + a4 – a5 + ... + (–1)n an
d. y2 + 2 + y3 + 3 + y4 + 4 + y5 + 5 + y6 + 6 + y7 + 7
e. a1 + a3 + a5 + a7 + a9 + a11 + a13
f. – (a8 + b6) + (a10 + b7) + (a12 + b8) + (a14 + b9) + (a16 + b10) + (a18 + b11)
 0 0 − 3
2)   13) a. No b. No c. Sí d. Sí e. Sí f. No g. Sí h. No
− 6 1 − 7 
0 0 3 0 0 0 
0 0 0    10 24 6 20
14) a. A2 =   ; A3 =  0 0 0  15. a = − ,b= − ,c= ,d=
0 0 0 0 0 0 7 7 7 7
12 14,4 18  65 64 46  88,7 88,5 63,5

15,6 12 14,4 97 45 34 132,5 61,2 46,5
16)  18) a)   b)  
9,6 18 7, 2  37 50 57   49,7 69 77,5
 
19,2 10,8 12 
67 77 112
19) 82.000 20)  
38 71 76 
0 24 26 26 0 0,012 0,0130,013 

20 21 36 23 0,01 0,0105 0,018 0,01 
 
21) a. 30 34 59 27  b. 0,015 0,017 0,0295 0,0135
   
30 31 15 19  0,015 0,0155 0,0075 0,0095
32 50 70 45 65 75

60 65 90 20 100 104
22) a)   23) a)  
90 40 20 85 85 65
576 ALGEBRA LINEAL
20 30 50 25 35 25

10 40 50 10 60 54
b) 1,2A + 1,3B = 1.2 •   + 1,3 •   =
70 60 30 15 25 35
24 36 60 32,5 45,5 32,5  56,5 81,5 92,5 

12 48 60  70,2 25 130,2
  + 13 78
1.2A + 1.3B =  126
84 72 36 19,5 32,05 45,5  103,5 104,5 81,5 
20 30 60 20 30 60  40 60 120

50 40 30 50 10 30  
24) A + B =   +   = 100 50 60
10 80 20 50 40 30  60 120 50
3,0 5,2 8,3 4,0  1,3 4,16 8,19 2,6 

4,0 3,2 4,5 5,6   2,6 1,56 3, 25 4,68 
25) a.   b. 
3,2 7,4 10,5 7,0  1,56 7 ,02 11,05 6,5 
50 68 36
26)   27) US$ 827.000 28) US$ 524
55 77 30
128
29) a. [180.000 320.000 460.000] b.   c. 10´160.000
158
2550 2900 2750

2790 2980 4800
30)   31) [62 212 48 240 192] 32) 3.400
2950 3250 5300
125 
150 
33) A • B = [ 20 30 50 ] •   = 1.700
200
0,5
0,8
 
1,2 
34) A • B = [ 400 500 800 1000 500 ] •   = 3.710 dólares
1,4 
1,5 
8 8
14  14 
   
35) a) A = [ 2 3 5 6 ] b) B = 20 c) A • B = [ 2 3 5 6 ] • 20 = 242 días
   
14  14 
1
2000000 1500000 10000000 3 7500000
36) a)  b)  
300 
c)  
 600 400 1  2100 
320
37) a) [530 620 990] b)   c) US$ 68.800
580
3 4 4
5 5 5
 152 173 178
5 6 7 115 132 134
38) a) B =   b)   39) US$ 6.000
7 8 8  74 84 87 
8 9 9 
EJERCICIO 1.3
2 − 1  1 3
1) a, b, c, d, e y f cumplen 2) A =   ; B=  
6 − 3  2 6
3) Al estudiante 4) Verdadero 5) Verdadero 6) Verdadero

7) AB = B.A Condición suficiente 8) Falso, se demuestra con contra ejemplo
578 ALGEBRA LINEAL
EJERCICIO 1.4
1) Soluciones múltiples en los puntos a, b y c por ejemplo:
1 2 4  0 0 0
0 2 3    1 5   2 0  4 3  1 0
a:   + − 1 1 0 b:   +   c:   +  
0 0 0   0 2 1  0 6   4 0 0 0   − 2 0
2) a. Verdadero; b. Verdadero 3) a. Verdadero b. Verdadero
− 2 − 2
7) a 
1 
4) Sí 5) Sí 6) a. Sí b. Sí 8) 6´088.770
1
EJERCICIO 1.5
2 5 11 1  0 3
−
1
−
7
3 2 2 2   2 2 2
 3 − 1 2 − 3 0 6 0
1) Verdadero 2) 112  +  12 
2 − 1 1 2   2 −6 0 1
1   7 
2 2 − 1 0 −1 0
 2   2 
− 1 6 1  1 − 4 7  0 2 8  0 2 8
 4 7 4  5 8    
3) a.  b. 2 c. 6 12 12 d. 6 12 12
 1 2 − 5  3 6 9 4 8 4 4 8 4
20 26
4)   5. 2CtAt + 3CtB 6. (2NRt + Mt)MtN
50 14 
1) a: La matriz AE es 4 x 4, como B es 4 x 5, entonces AE + B no está definida
b: La matriz A + B es 4 x 5, E es 5 x 4, entonces E(A + B) es 5 x 5.
c: Como At es 5 x 4 y E es 5 x 4, entonces su suma es 5 x 4, por tanto (At + E)D es
5x2
2. Por definición (AB)(AB) = ABAB, sin embargo nosotros garantizamos que ABAB
= AABB solamente si AB = BA. Como en general AB ≠ BA, no podemos concluir
que (AB)2 = A2B2. Por ejemplo sea:
1 0  0 1 
A=  y B=  es fácil verificar que : (AB) 2 ≠ A 2 B2
0 0  1 0 
 980 
 2 1590
 3  
3. a)   b) 1255 c) US$ 5.475
4  
1650
 33 59 33  35,6 64,4 36

4. a)   b)  
47 38 54 49,4 40,8 58,8
50 68 66  36 48 43,2  86 116 109,2

5. a)   b)   c)  
40 42 48 28,8 24 33,6 68,8 66 81,6
12 
5
 
6. [3 5 2 3]  3  = [127]
 
20
5 128 8423 25
7. a) 15 b) 7.381 c) 15 d) 228 e) 6 f) 15
g) 3000 h) 95 i) 500 j) 4
4 5
1
k 4
3
k 4
 k 
8. a) k∑ (3k +1) b) ∑  2  c) ∑   d) ∑  
=0 k =1 k =1  5  k =1  5 k +1 
CUESTIONARIO
1. V 2. F 3. V 4. F 5. F 6. V 7. V 8. F 9. V 10. F
11. F 12. V 13. V 14. V 15. F 16. V 17. V
580 ALGEBRA LINEAL
EJERCICIO 2.1
1. x = –1 y=2 2. Infinitas soluciones 3. x1 = 0 x2 = 0
4. x1 = 3 x2 = 1 5. No tiene solución 6. x = 4 y=2
7. Infinitas soluciones 8. x1 = 1 x2 = 1 9. p = 15, x=3
 p   40 
509
10.  x  =  437  11. x = 400

92 17
12. p = 61 , x = 81
   320 
157 52
13. x = 53
, p = 53 14. x = 161.29, y = 1290.03
EJERCICIO 2.2
2 4 6  x1  18 
4 3   
6 ⋅  x2  = 24  2 − 8  x1  6
1. a)  b) − 3 12 ⋅  x  = − 9
   2  
 3 1 − 2  x3   4 
 1 1 − 1  x1  7
4 − 1 5 ⋅  x  =  4 
c)    2  
6 1 3  x3  18
2. a) 4x1 + 5x2 + 7x3 = 7 b) 4x + 6y = 7

8x1 + 9x2 – x3 = 2 7x – y = 0
4x1 + 6x2 + x3 = –1
c) 2x1 + 6x2 – 4x3 + 2x4 = 4
x1 – x3 + x4 = 5
–3x1 + 2x2 – 2x3 = –2
3. Los 3 sistemas son equivalentes

4. Son equivalentes a) y b)
5. Son equivalentes a) y c)
EJERCICIOS 2.3
1. a) Solución única b) Infinitas soluciones c) Infinitas soluciones
d) Inconsistente e) x1= 14.5, x2= – 9.5, x3= 5.5 f) x = –11, y = –14, z = 33
3 1
2. a) Inconsistente b) x1 = 4
, x2 = 8
c) x1 = 9, x2 = –38, x3 = –6
143 11 1
d) Inconsistente e) x1 = , x2 = − , x3 = − f) x1 = –6, x2 = 3, x3 = 1
242 6 8
g) Infinitas soluciones
h) Infinitas soluciones
3. A = 100 unidades, B = 150 unidades y C = 200 unidades
4. US$ 6.000 al 12%, US$ 6.800 al 16% y US$ 7.000 al 20%
5. 1.000 horas en el primer proyecto, 1.500 horas en el segundo proyecto y 2.500 horas
en el tercer proyecto.
6. Utilizar el método de Gauss 7. c = 2a + b, a ≠ 0, b ≠ 0
11 8 2 9 3 1
8. x1 = 0, x2 = 0, x3 = 0; x1 = 7
, x2 = ,x
7 3
= 7 ; x1 = ,x
7 2
= − 7 , x3 = 7
10. a) x = 2, y = 2 b) x = 3, y = 4
11. { } b) x1 = 1, x2 = –1, x3 = 2, x4 = –2
1 2
c) Sol. Múltiples. p.e: x1 = 1, x2 = 1, x3 = , x4 = 2 y x5 = −
2 3
12. x1 = 7, x2 = –7, x3 = –2, x4 = –3 b) x1 = –2, x2 = 2, x3 = –2

13. a) x1 = –1, x2 = 4, x3 = 3, x4 = –1 b) x1 = –2, x2 = 2, x3 = –2, x4 = 1
14. x1 = 36, x2 = –31, x3 = –2, x4 = 3
1 2 − 6 15 
3 − 5 6 8 4 0  
     8 − 15 0 12 
15. a)  1 7 b)  9 − 3 − 7 c) 
16 − 1 56 
2 2
   
 
582 ALGEBRA LINEAL
16.a) 3x – 2y = 15, x + 23y = 0 b) x – 2y + 4z = 3, 4x – 0y + 8z = 11, 12z = 5

c) x + 3y + 5z + 7w + 9t = 11, 0x + 2y + 4z + 6w + 8t = 10
17. a) Ninguna b) Ninguna c) Escalonada d) Escalonada
18. a) Ninguna b) Escalonada c) Escalonada reducida
2 (11−2 á ) 11á − 49
19. a) x1 = 5, x2 = 3 b) Sol. Múltiples: x1 = á , x2 = 23
, x3 = 23
2á + 3 á +14
c) Sol. Múltiples: x1 = á , x2 = −
5
, x3 = 10
20. Video tipo 1: 140 unidades, Video tipo 2: 210 unidades, Video tipo 3, 110 unidades
22. Múltiples soluciones 23. x = 150, y = 350, z = 1000
24. Tigres 100, leones 200 y sheetas 100 25. x = 6, y = 2 y z = 1
26. 8 en Cartagena, 6 en B\quilla y 5 en Santa Marta
27. A = 125, B = 125 y C = 175 28. 20, 30 y 40 29. 50, 30 y 40
EJERCICIO 2.4
10á +b 8 á + 5b
1. a) x1 = á , x2 = b, x3 = −
3
, x4 = 3
b) x1 = á , x2 = – á , x3 = – á
17 á 4á
c) x1 = −
9
, x2 = −
9
y x3 = – á
5á á
2. a) x1 = á , x2 = 7
, x3 = −
7
b) x1 = x2 = x3 = 0
c) x1 = á , x2 = – á , x3 = – á
4á 9á
d) x1 = á , x2 = 17
, x3 = −
17
e) x1 = 0, x2 = á , x3 = á , x4 = b y x5 = − 3
1 b
2
EJERCICIO 2.5
1
á 0 0 0
1   
0 0   0 1b 0 0
 1 1  4  
− 4 2 
1 0
 
0 12 0   
  
1. a) c)   e) g) No existe i)  0 0 1c 0
 3
− 1 1  
1
−  
 4 2  0 0  1  
 6   0 0 0 d1 

 1 2 3 0
2. a) Falso 3. A 4. a) [3 –1] b)   c)   d) No existe
3 4 0 1
 1 2 3 0
5. a) Falso 6. A 7. a) [3 –1] b)   c)   d) No existe
3 4 0 1
 −
1
−
1
1 8
 9 3
9
 9 −
2 1 
 1 1  2
−
1
0 2
  10 5 10

 
9 3 9
− 4
 2  7 1 1 11  3 1
− 
3
8. a)  3 1
− 
9. a)  18 6
−
2
− 
18
b)  10 5 10

 4  25 
2 1 1 1
11 5 3  − 5 5
 − −

18 
5
18 6 2
 1 8
−
1 2
− 3 3 5 7

 9 9 3
9

4 4 16

 11 41
−
5 1
  1 −
5
−
1
−
5

 
9 18 3 8 12 4 48
5 22 5 1  1 1 13 
10. a)  −
9
−
9 3
− 
9
c)  1 −
12
−
4
−
48 
 2 13 1 1  0 1 1 1 
 9
−
18 3
−
18 
  4
−
4 16 
2á
11. Soluciones múltiples x = á , y = 3
3 + 7a
1. a) x = , y =a
6
584 ALGEBRA LINEAL
1 −2 0 1 0 1 0 0 1
   
− 1 −1
2. a)  b) 
3 4 0 2 0 1 2
2 −1 3 0 3
  0 2 1 0
3. b) x1 + 2x2 + 3x3 + 4x4 = 5

5x1 + 4x2 + 3x3 + 2x4 = 1
4. b) x1 = – 1 – 5á – 5 b , x2 = a , x3 = 1 – 3b , x4 = 2 – 4 b , x5 = b
5. a) x1 = 2.192, x2 = 1.576 y x3 = 2.115

b) Sol. Múltiples: x = a , y = 0, z = 0, w = a + 1
6. a) Tenga en cuenta los casos: a = b = 0, a ≠ 0 y b ≠ 0
a +b a +b
, z =a , w = 8a b) x = a , y = , z = 8a
5a
7. a) x = – 4
, y =− 4 4
 3 −
11
−
6
− 5 2  2 10 5

− 1 1 1
8. a) A = 
–1 , b) B–1 = 
 3 1 1 7 2
 − 2 10 
5
1 −
1 1  1 −
1 1 
 12 2 2
 2 2 2

− 1 1
 0 0 1
c) C–1 =  2 2 2
 d) D–1 = 
1 1 1 1 1 1
 2 2
−
2   2 2
−

2
CUESTIONARIO
1. V 2. F 3. V 4. F 5. V 6. V 7. V 8. V 9. F 10. V 11. F
12. F 13. V 14. F 15. V 16. F 17. V
EJERCICIOS 3.1
1. a) 10 b) – 4 c) a2 – b2 d) –10 e) 0 f) – 4 g) a, c, f h) adf
2. a) –2 b) 182 c) –313
3. a) l = 3, l = 4,
4. a) a = 6, a = 2 b) x = 1, x = –2, c) x = – 2, x = –5
5. a. b. c.
EJERCICIO 3.2
1. a)14 b) –5 c) 18 d) 2. a. b.
3. a) 1 b) – 42 4. a) – 1 b) – k
5. a) – 1 b. c. d. 6. – 8
7. a) ad – bc 8. – 16
9. – 16 10. x(3 – x)
11. – 8 12. a) 60 b) 0 c) 180
EJERCICIO 3.3
1. Como det(A) = 10 y det(B) = – 17 ⇒ det(A) ⋅ det(B) = – 170 y por operación
directa:
 9 −1 8
 
AB = 
31 1 17 
, ⇒ , det(AB) = – 170
10 2
 0
∴ det(AB) = det(A) ⋅ det(B)
2. a) – 8 b) –63 3. 4. 5. a) 35
5. a) det(3A) = 33 ⋅ det(A) = (27)(5) = 135
8
b) det(2A–1) = 23 ⋅ det(A–1) ; y det(2A–1) = det( A ) = 8
5
1
c) det(2A) = 23 ⋅ det(A) = 40, pero det [(2A)–1] = det( 2 A ) = 1
40
586 ALGEBRA LINEAL
a g d a d g
b h e  b e h
d)  = –
 c i f   c f i 
a b c
d e f 
intercambiando las columnas 2 y 3 = – 
 g h i 
Transponiendo la matriz, su determinante es = – 5
EJERCICIO 3.4
180 0 0 72 
 3 06   
   36 36 0 72 
1. a)  6 18 
b)  0 0 72 36  2. Sí 3. Sí
 9 20   
   
 36 0 0 36 
 29 − 21 27  29 − 21 27
 11 13 5  11 13 5
4. a) adj(A) =   b) A–1 = 1
152
 
− 19 19 19 − 19 19 19
 15 1
3
  54 −1
3
 130
89
50
89

6. a)  3 2 b) 1 – A = − 3 13  ; (1 – A) =  45
–1
120 
10 15   10 15   89 89 
130 50  25 70,21

89
c) x = (1 – A) D =  45
89
⋅
120  
=
60 93,53
–1
 89 89  
812,5 220 0,4 0,6 630 

7. a)   b)   8. a)   b)  
1.125 280  0,5 0,2 525
 481,74 469,56
469,57  542,61
9. a)   b)  
 371,74 469,56
10. 500 unidades de calzado y 360 unidades de chaquetas
 581,538 
11.  
 371,538 
EJERCICIOS 3.5
3
1. x = 2 y=2 2. x = 3 y=–1 3. x = 0 y=2
4. x = – 1 y=3 5. x = 1 y=3 z=3 6. x = – 2 y=3 z=–4
17 41
7. x = 5 y=–6 z=–8 8. x = 35
y= 7
z = 12
9. x = 30 y = 12 z = 24 10. x = 6 y = 12 z = 18
11. $ 400.000 al 25% y $ 500.000 al 20%

12. 4% a los primeros US$ 100.000 y 6% en el resto
13. 100 de tipo A, 100 de tipo B y 200 de tipo C
14. 40 trabajadores semicalificados, 20 trabajadores calificados y 10 empleados de
envíos
15. 800 licuadoras en la planta de la ciudad A y 700 licuadoras en la planta de la
ciudad B.
16. 60 unidades de A1 y 40 unidades de A2
17. a) 600 mg. de vitamina B1, 675 mg. de vitamina B2 y 4.250 mg. de vitamina C.
20 10 10 15   600 

 15 15 15 10  =  675 
b)     
50 150 100 20 4.250
588 ALGEBRA LINEAL
c) 20 tabletas de la primera pastilla, 8 tabletas de la segunda pastilla y 12 tabletas de

la tercera tableta.
10 40 20
18. 9
kg. para el canario A, 9
kg canario B, 9
kg. canario C
19. 5 pares de botas, 10 pares de botines, 15 pares de zapatos de lujo.
1. a) 5 b)59 c) 0 d) 104
2. a) Como la matriz A es triangular superior entonces su determinante es igual al
producto de los elementos de sus diagonal, por tanto det(A) = 8
b) Como el determinante de la matriz B tiene dos filas iguales por consiguiente det(A) = 0
3. a) La matriz A es inversible porque su determinante (8) es diferente de 0
b) La matriz B, no es inversible porque al tener dos filas iguales, su determinante es 0
4. a) 1 b) – 5 c) – 40
 7 1 − 2 1
5. M11 =   = 29 ⇒ C11 = 29 M12 =   = − 11 ⇒ C12 = 11
− 1 4  3 4
 1 − 3
M22 =  = 13 ⇒ C22 = 13
3 4
13. a) det(A) = 5 b) 2det(A) = 10 c) det(A) = 5 d) 2det(A) = 10
7 1 6 −3 6 −3
14. a) det(A) = (1) – (–2) + (3) =
−1 4 −1 4 7 1
(1)(29)– (–2)(21) +(3)(27) = 152
6 −3 1 −3 1 6
b) det(A) = – (–2) + (7) – (1) =
−1 4 3 4 3 −1
–(–2) (21) + (7)(13) –(1)(–19) = 152

15. a) 48 b) 0 c) k3 – 8k2 – 10k + 95
CUESTIONARIO
1. V 2. F 3. V 4. V 5. F 6. F 7. V 8. F 9. V 10. F 11. V
12. V 13. V 14. V 15. F 16. F 17. F 18. F 19. V 20. V
EJERCICIO 4.1
6. x + y + z < 2000 10. x + y < 240
x + y + z > 1000 x > 80
x < 1000 y > 60
y < 1500 x>0
z < 2500 y>0
x, y, z > 0
11. 3x + 2y < 300

590 ALGEBRA LINEAL
12. 2x + 6y < 200

4x + 4y < 200
13. 40x + 60y > 2200
14.
15. x > 600

y > 800
x + y < 2400
592 ALGEBRA LINEAL
16.
17. 14x + 3y > 100
EJERCICIO 4.2
1. Los vértices de la región factible son: (0, 0), (5, 0) y (0, 5). Zmax = 15 en (5, 0)
5
2. Los vértices de la región factible son: (0, 2
), (0, 0) y (2, 0). Zmax = 7 en (1, 2)
5
3. Los vértices de la región factible son: (0, 2
), (0, 0) y ( 73 , 0), (1, 2) y (2, 1).
35
Zmax = 3
en ( 73 , 0)
4. Los vértices de la región factible son: (6, 3), (3, 1) y (0, 7). Zmin = 4 en (3, 1)
5. Los vértices de la región factible son: (4, 1), (1, 4) y (4, 4). Zmin = 8 en (4, 1)
6. Los vértices de la región factible son: (3, 1) y (1, 5). Zmin = 15 en (5, 0)
13. x1 = 6,85 toneladas de metal E – 9, x2 = 2,28 toneladas de metal F–9 y
Z = US$ 43.428
1. 0 < x < 70, 0 < y < 90 < 40 < x + y < 100
2. Sea x el número de televisores del modelo A, y y del modelo B, luego tenemos que:
x + y < 120; x > 40; y > 30 y su gráfica es:
3. x + y < 50, x + 3y < 100, x, y > 0. Cuando x = 1000 toneladas e y = 1500 toneladas de
las P y Q respectivamente.
6. La región factible que aparece en la gráfica anterior cuyos vértices son (0, 0), (60, 0)
y (40, 20). P es máximo en el punto (40, 20), donde el valor es 640. Por tanto la
respuesta es: P = 640 cuando x = 40 y y = 20.
7. La región factible aparece sombreada. Los vértices de la región son (2, 3), (0, 5), (0,
7) y ( 103 , 7). Z es máximo en (2, 3), cuando el valor es – 10. Luego la respuesta es:
Z = –10, cuando x = 2 y y = 3.
8. La region factible es vacia; luego no hay solución óptima.
9. La región factible es NO acotada. C es mínima en los vértices ( 53 , 6

5
), donde el valor
de C es 2,4. Luego la respuesta es C: 2,4 cuando x = 53 y y = 6
5
.
10. La región factible es no acotada. La familia de rectas están dadas por Z = 10x + 2y,
tienen elementos que le dan infinitos valores arbitrarios de Z, y también interceptan la
región factible, de esta manera no existe una solución óptima.
11. La región factible es no acotada. La familia de rectas están dadas por Z = y – x,
tienen elementos tan arbitrariamente pequeños evaluados en Z, también interceptan
la posible Región de manera que no existe una solución óptima.
12. Sea x e y el número de parrillas tipo I y tipo II respectivamente, entonces el máximo
de P = 4x + 5y, sujeto a las restricciones:
x, y > 0,
2x + 3y < 24, para la máquina A
4x + 2y < 24, para la máquina B
594 ALGEBRA LINEAL
La región factible tiene sus vértices en: (0, 0), (6, 0), (4, 4) y (6, 0). P es máximo en
(4, 4), donde el valor es 40. Luego la solución es 4 unidades cada tipo a US$ 40.
13. Sea x e y unidades del alimento A y B, respectivamente, que se producen cuando
se Minimizar : C = 1,20x + 0,80y, sujeto a las restricciones:
x, y > 0
2x + 2y > 16, Carbohidratos
4x + y > 20, Proteínas
La región factible es no acotada, C es mínimo en el vértice (4, 4), donde C = 8. luego
la solución es 4 unidades del alimento A, 4 unidades del alimento B y C = 8 que es el
costo mínimo.
14. Sea x e y el número de unidades de la marca I y la marca II respectivamente, que
debe comprar cada semana para mínimizar, C = 4x + 5y, sujeto a las restricciones:
x, y > 0
2x + 2y > 80, Nutriente A
6x + 2y > 120, Nutriente B
4x + 12y > 120, Nutriente C
La región factible es no acotada, C es mínimo en el vértice (30, 10), donde C = 170.
Luego la solución es 30 bolsas de marca I y 10 bolsas de marca II.
15. Sea x e y el número de toneladas de minerales I y II que se producen respectiva-
mente, para minimizar, C = 50x + 60y, sujeto a las restricciones:
x, y > 0
100x + 200y > 3.000, Mineral A
200x + 50y > 2.500, Mineral B
La region factible es no acotada, C es mínimo en el vértice (10, 10), donde C = 1.100.
Luego la solución es: 10 toneladas del mineral I, 10 toneladas de mineral II y el costo
C = US$ 1.100
EJERCICIO 5 (PROBLEMAS PROPUESTOS)

1. Se necesita programar 26 vigilantes de la siguiente forma:
x1 = 4 : Asignar 4 vigilantes en el turno 3 am – 7 am

x1 = 10 : Asignar 4 vigilantes en el turno 7 am – 11 am
x1 = 0 : Asignar 4 vigilantes en el turno 11 am – 3 pm
x1 = 8 : Asignar 4 vigilantes en el turno 3 pm – 7 pm
x1 = 4 : Asignar 4 vigilantes en el turno 7 am – 11 pm
x1 = 0 : Asignar 4 vigilantes en el turno 11 pm – 3 am
2.
3.
4.
596 ALGEBRA LINEAL
5.
6.
7.
8.
9. x1 = 12 bicicletas de carreras y x2 = 4 bicicletas de turismo

10. x1 = 120 artículos tipo 1 y x2 = 40 artículos tipo 2. El valor de la función objetivo en
la solución óptima es de US$ 34.800
11. x1 = 12 escritorios de tipo 1 y x2 = 4 escritorios tipo 2 Z = US$ 5.400.00
12. x1 = 120 y x2 = 40. El valor de la función objetivo en la solución óptima es de

US$ 1´800.000
13. Operador 1 en la máquina A; operador 2 en la máquina C; operador 3 en la
máquina B, min = 22
14. x1 = 1, x2 = 1, x3 = 1, x4 = 1, x5 =x1, Max = 56
15. 250 artículos A y 100 de B.
16. 3 cápsulas de X y 1 de Y
17. 1.300 jeans de diseño especial y 500 jeans de marca genérica para el almacén
exclusivo y para el almacén de descuentos 0 de diseño exclusivo y 1.200 de marca
genérica. La utilidad máxima es de US$ 28.855.
18. 4 herramientas de A y 8 herramientas de B por día. Su máxima utilidad diaria es
de US$ 160.
19. 100 pares de patines, 130 bufandas y 70 gorros para bebe cada mes, para minimi-
zar los costos totales.
20. xA1 = 0 Unidades de la casa A al punto de venta 1.
xA2 = 10 Unidades de la casa A al punto de venta 1.
xA3 = 90 Unidades de la casa A al punto de venta 1.
xB1 = 150 Unidades de la casa A al punto de venta 1.
Enviando estas unidades de esta forma, el costo mínimo encontrado por camisa es de
US$ 2.720
21. 3 neveras de M a T, 12 neveras de M a A, 7 neveras de T a C y 0 neveras de T a A
22. x1 = 2.400 unidades de artículo A, x2 = 5.200 unidades del artículo B.
23. x1 = 22 neveras, x2 = 4 lavadoras, utilidad máxima = US$ 7.600
24. x1 = 0 kgs., de materia prima A, x2 = 720 kgs., de materia prima B, x3 = 0 kgs. de
materia prima C y x4 = 280 kgs., de materia D
25. x1 = 97 mesas, x2 = 130 sillas, x3 = 30 escritorios y x4 = 10 bibliotecas
26. x1 = 130 mesas, x2 = 130 sillas, x3 = 30 escritorios y x4 = 0 bibliotecas.
598 ALGEBRA LINEAL
27. x1 = 0 kgs., x2 = 2.000 kgs., x3 = o kgs y x4 = 0 kgs.

28. x1 = 0 kgs., x2 = 0 kgs., x3 = 500 kgs., y x4 = 0 kgs.
29. a) Se deben producir aproximadamente 27 juguetes tipo II y 61 tipo IV
b) Se suspende la producción de juguetes tipo I y III
c) La variable de holgura h1 y h2 son cero, por lo tanto se necesitan todas las horas
disponibles en los departamentos de armado-terminado y control de calidad.
d) La utilidad es de US$ 627.7
30. x1 = 0.2 libras del tamaño 1, x2 = 1.0 libras del tamaño 2
x3 = 0.8 libras del tamaño3, z3 = US$ 0,108 costo mínimo del paquete
31. xA1 = US$ 100.000, xA2 = US$ 115.000, xA3 = US$ 92. 250, xA4 = US$ 156.087,5
xA5 = US$ 179.500,6, xC2 = US$ 0.00, xB3 = US$ 40.000, Z = US$ 206.425,7
EJERCICIO 6
1. a) Tres variables de holgura
b) La forma estándar es:
Maximizar : Z = 100x1 + 300x2 + 0h1 + 0h2 + 0h3
Sujeto a : x1 + x2 + h1 = 100
20x1 + 40x2 + h2 = 3.000
5x1 + 20x2 + h3 = 1.350
x1, x2, h1, h2, h3 > 0
c) Tabla inicial simplex
x1 x2 h1 h2 h3
Base c j 100 300 0 0 0 bi
h1 0 1 1 1 0 0 100
h2 0 20 40 0 1 0 3000
h3 0 5 20 0 0 1 1350
zj 0 0 0 0 0 0
cj − zj 100 300 0 0 0 0
d) Entra la variable x2 y sale la variable h3

2. a) Completando la tabla inicial nos queda:
x1 x2 h1 h2
Base cj 2 3 0 0
h1 0 3 6 1 0 18
h2 0 6 3 0 1 36
zj 0 0 0 0 0
cj − zj 2 3 0 0
b) Maximizar : Z = 2x1 + 3x2 + 0h1 + 0h2

Sujeto a : 3x1 + 6x2 + h1 = 18
6x1 + 3x2 + h2 = 36
x1, x2, h1, h2 > 0
c) La variable que entra es x2 y la variable que sale es h1
d) Las variables básicas del problema inicialmente son h1, h2 y las no básicas son x1, x2
e) El valor es Z = 0
f) Son h1 = 18 y h2 = 36
g) Z = 9
h) x1 = 6, x2 = 60, Z = 21.000
3. a) x1 = 30, x2 = 60 Z = 21.000
b) El método simplex recorre 3 vértices de la región factible, hasta llegar a la solución
óptima.
4. x1 = 2.000 x2 = 3.000 Z = 28.000
5. x1 = 1.000 x2 = 2.000 x3 = 40.000
6. x1 = 30 x2 = 60 Z = 21.000
7. x1 = 0 x2 = 40 Z = 120
8. x1 = 2 x2 = 0 x3 = 1 Z = 3
9. a) Se necesitan 2 variables de excedentes, llamadas h1, h2 y dos variables artificiales
llamadas a1, a2
600 ALGEBRA LINEAL
b) Maximizar : Z = – 4x1 + 4x2 – 4x3 + 0h1 + 0h2 – Ma1 – Ma1

Sujeto a : x1 – 2x2 + x3 – h1 + a1 = 2
x1 + x 2 – x 3 – h 2 + a 2 = 5
x1, x2, x3, h1, h2, a1, a3 > 0
c) Tabla inicial
x1 x2 x3 h1 h2 a1 a2
Base c j −4 4 −4 0 0 −M −M
a1 − M 1 −2 1 −1 0 1 0 2
a2 − M 1 1 −1 0 −1 0 1 5
zj − 2M M 0 M M −M −M − 7M
cj − zj − 4 + 2M 4+M −4 −M −M 0 0
d) x1 = 4, x2 = 1, x3 = 0 y Z = 12
10. x1 = 30, x2 = 10, Z = 170
11. x1 = 10, x2 = 10, Z = 1.100
12.a) Existe una variable de holgura en la segunda restricción llamada h2.
b) Existen 2 variables artificiales a1 en la primera restricción por ser mayor o igual y
a3 en la tercera restricción, por ser una restricción igualdad.
c) Forma estándar
Maximizar : Z = 4x1 + x2 + 0h1 + 0h2 – Ma1 – Ma2
Sujeto a : x1 + 2x2 – h1 + a1 =4
4x1 + 3x2 + h2 =6
4x1 + 3x2 + a3 = 6
x1, x2, h1, h2, a1, a3 > 0

d) Tabla inicial
x1 x2 h1 h2 a1 a2
Base c j 4 1 0 0 −M −M bi
a1 − M 1 2 −1 0 1 0 4
h2 0 4 3 0 1 0 0 6
a3 − M 4 3 0 0 0 1 6
zj − 5M − 5M M 0 −M −M − 10M
cj − z j 4+M 1 + 5M −M 0 0 0
e ) Entra la variable x1 y sale la variable artificial a3.

f) x1 = 0, x2 = 2, Z = 2
13. a) Planteamiento del problema
sea x1 número de sillas ergonómicas
sea x2 número de sillas normales
Sujeto a : 2x1 3x2 < 1.000
x1 + x2 < 450
4x1 + 6x2 < 2.000
1 1
4
x1 + 2
x2 < 150
x1 , x 2 > 0
b) x1 = 350 sillas ergonómicas, x2 = 100 sillas normales, Z = 7.250
c) Como h1 = 0, h2 = 0 y h3 = 0, quiere decir que se necesita todo el tiempo
requerido en el departamento de ensamble, tapizado y color, mientras que
h4 = 12,5 significa que nos sobran 12,5 horas de las requeridas.
14. a) Planteamiento del problema
Sea x1 número de camisas de cuello
Sea x2 número de camisas de sport
602 ALGEBRA LINEAL
b) Maximizar : Z = 20x1 + 10x2

Sujeto a : x1 + 2,5x2 < 400
3x1 + 1.25x2 < 300
4x1 + 3.25x2 < 500
3.5x1 + 2.5x2 < 200
x1, x2 > 0
c) Tabla inicial
x1 x2 h1 h2 h3 h4
bi
Base c j 20 10 0 0 0 0 bi
a1
h1 0 1 2.5 1 0 0 0 400 400
h2 0 3 1.25 0 1 0 0 300 100
h3 0 4 3.25 0 0 1 0 500 125
h4 0 3.5 2.5 0 0 0 1 200 57.14
zj 0 0 0 0 0 0 0
cj − zj 20 10 0 0 0 0 0
La variable de entrada es x1 y la de salida es h4, como se aprecia en la anterior

tabla
d) x1 = 57 camisas de cuello, x2 = 0 camisas de sport, Z = US$ 1.142
e ) Variables holgura
h1 = 343 horas que sobran en el departamento de diseño
h2 = 124 horas que sobran en el departamento de tallaje
h3 = 272 horas que sobran en el departamento de estampado
h4 = 0.5 horas que sobran en el departamento de terminado
15. x1 = 60 automóviles tipo sedan, x2 = 30 automóviles tipo deportivo
17. x1 = 6.85 toneladas de metal E - 9, x2 = 2.28 toneladas de metal F-9 y
Z = US$ 43.428
18. x1 = 0 no se producen ambientadores suaves, x2 = 1.000 libras de ambientador
clásico. Utilidad Z = 3.000
19. x1 = 0 no se producen pizzas de la casa, x2 = 75 pizzas de carne y Z = US$ 150

20.a) El problema tiene 4 variables de decisión y 3 restricciones, la primera de igualdad,
la segunda de menor e igual y la tercera de igualdad
b) Las variables básicas son: a1, h2, a3 y las no básicas son: x1, x2, x3, x4 y h3
c) Problema original:
Maximizar : Z = 6x1 + 3x2 + 4x3 + x4
Sujeto a : 4x1 + x2 – 2x3 + 12x4 = 120
4
2x1 + 2x3 + 3
x4 < 40
2x2 + 10x3 > 100
x1, x2, x3, x4 > 0
21.a) Existen 2 variables de decisión que son: x1, x2 y 3 restricciones la primera y la
segunda de mayor e igual y la tercera de menor e igual
b) Las variables básicas son a1, a2 y h3 y las no básicas son x1, x2, h1, h2
c) Problema original
Minimizar : Z = 2x1 + 3x2
Sujeto a : 2x1 > 250
2x1 + 2x2 > 700
4x1 + 2x2 < 1.200
x1, x2 > 0
22. a) Tabla inicial
x1 x2 h1 h2 a1 a2
Base c j −3 − 10 0 0 −M −M bi
a1 − M 2 4 −1 0 1 0 8
a2 − M 10 4 0 −1 0 1 24
zj − 12M − 8M M M −M −M − 32M
cj − zj − 3 + 12M − 10 + 8M −M −M 0 0
604 ALGEBRA LINEAL
b) Forma estándar
x1 x2 h1 h2 h3 a1 a1
Base c j −3 −4 0 0 0 −M −M b
i
a1 −M 2 4 −1 0 0 1 0 8
a2 −M 10 2 0 −1 0 0 1 12
h3 0 1 1 0 0 1 0 0 1
zj − 12 M − 6M M M 0 −M −M − 20 M
cj − zj − 3 + 12 M − 4 + 6M −M −M 0 0 0
c)
x1 x2 h1 h2 a2
Base c j 3 4 0 0 −M bi
h1 0 1 1 1 0 0 3
a2 − M 2 1 0 −1 1 2
zj − 2M −M 0 M −M − 2M
cj − zj 3 + 2M 4+M 0 −M 0 0
d) Tabla inicial
x1 x2 x3 x4 h1 h2 a1 a3
Base c j 4 2 −3 5 0 0 −M −M b
i
a1 −M 4 −2 2 4 −1 0 1 0 100
h2 0 6 0 −2 2 0 1 0 0 160
a3 −M 1 1 0 1 0 0 0 1 60
zj − 5M M − 2M − 5M M 0 −M −M −160M
cj − z j 4+5M − 2 − MM − 3 + 2M 5 + 5M −M 0 0 0
23. a) No factible b) Solución multiple c) No acotado d) Solución multiple

e) No factible
24. x1 = No hay comerciales de radio x2 = hay 14 comerciales de televisión
x3 = Hay 20 comerciales de televisión Z = US$ 2´104.000 utilidad máxima
25. x1 = 500 jarrones en porcelana x2 = 20 botellas de porcelana
x3 = No se producen caballos en porcelana
26. x1 = No se producen plumas normales x2 = No se producen plumas de plata
x3 = Se producen 12 plumas de oro aprox. Z = US$ 53.000 de utilidad máxima
27. No se produce jugo de naranja del tipo A ni del tipo B. Se producen 67 del tipo C.
EJERCICIO 7
1. a) x1 = 65, x2 = 40 y Z = 435 b) 2,4 < t1 < 8
c) 2.25 < t2 < 7,5 d) La nueva solución es Z = 695
e ) Cambia de 435 a 435.0714
2. a) x1 = 1, x2 = 2 y Z = 10 b) 1,5 < t1 < 4.5 c) 2.7 < t2 < 8
d) El problema no es óptimo porque t1 = 5.2 se sale del intervalo 1,5 < t1 < 4,5
e ) La nueva solución es Z = 5.2 se sale del intervalo 1,5 < t1 < 4,5
3. Precio sombra. Restricción 1 = 0.25, restricción 2 = 1,25 y restricción 3 = 0
4. a) x1 = 0,75, x2 = 0,75 y Z = 6.75 b) 1,6 < t1 < 15 c) 1,33 < t2 < 12
d) Z = 7,5 y el problema es óptimo porque el valor de t1 = 5 está dentro del intervalo
[1,6 15]
606 ALGEBRA LINEAL
e) Z = 6 y es óptimo con t1 = 4, y está dentro del intervalo [1.33, 42]

5. a) Intervalo de óptimalidad 4,5 < t1 < ∞ , – ∞ < t2 < 3,33
b) Intervalos de factibilidad de factibilidad: 2 < b1 < ∞ , 4 < b2 < ∞ , 0 < b3 < 7,5
c) Precio sombra Restricción 1 el precio sombra es 0
Restricción 2 el precio sombra es 0
Restricción 3 el precio sombra es 1,67
El precio sombra de las restricciones 1 y 2 es cero, lo cual significa que la solución
óptima del problema no cambia ante los cambios por cada unidad de las restricciones
de la parte derecha, mientras que en la restricción 3, el precio sombra es 1,67, es el
valor de cambio en la solución óptima por cada unidad en la restricción de la parte
derecha.
6. a) x1 = 4, x2 = f y Z = 16
b) Intervalos de optimalidad: 2 < t1 < ∞ , – ∞ < t2 < 4, – ∞ < t3 < 8

c) Intervalos de factibilidad: 4 < b1 < ∞ , 0 < b2 < 6. Estos intervalos indican como
podemos variar los recursos (restricciones de la parte derecha), para mantener
el problema óptimo.
d) Restricción 1 el precio sombra es 0
Restricción 2 el precio sombra es 0
En la restricción 1 el precio sombra indica que si cambiamos unidades en la restric-
ción de la parte derecha, la solución óptima no cambia, mientras que en la restricción 2,
por cada unidad de la restricción de la parte derecha que cambia la función objetivo en 4.
7. a) 13,33 < t1 < 20 sillas tipo ergonómico b) 15 < t2 < 22,5 sillas tipo normal
c) Se ve afectada porque el problema deja de ser óptimo, debido a que t1 = 13 no está
dentro del intervalo de optimalidad
d) Los precios sombra de los dos departamentos iguales a 5, significa que por hora
que aumente o disminuya en los departamentos de ensamble y tapizado, aumenta
o disminuye en US$ 5 el valor de la función objetivo.
e) La nueva utilidad es U = 7.250 + 2(5) = US$ 7.260
8. a) – ∞ < t2 < 14,28 b) 14 < t1 < ∞ ,
c) La solución no se afecta y sigue siendo Z = 1.142.85 dólares
d) El precio sombra del departamento de determinado 5,71, indica la cantidad en que
varia la solución óptima por cada unidad de horas en el departamento de terminado.
e ) Si aumentamos 3 horas en el departamento de terminado, la nueva solución es

Z = 1 142.874 + 3(5,71) = 1 159.987
f) i. 57,14 < b1 < ∞ , ii. 171 < b2 < ∞ , iii. 228 < b3 < ∞ , iv, o < b4 < 350
V. El precio sombra del departamento de estampado es cero, por lo tanto la
óptimalidad no cambia frente a los cambios en las horas disponibles.
9. a) 1.000 < b1 < 1.500 b) 1.000 < b2 < 1500 c) 600 < b3 < ∞
10.a) Los precios sombra de los departamentos 1, 2 y 3 son: 3,2 , 1,2 y 0 respectivamente.
Estos indicadores nos dicen en que medida cambia el valor óptimo del problema
por cada hora que se sume o se reste a las horas disponibles del mes
b) Al aumentar 2 horas disponibles en el departamento 1, la utilidad
Z = 6600 + 2(3.2) = 6 600.4 además el problema no sería óptimo porque b1 = 1502
no pertenece al intervalo de factibilidad, 1000 < b1 < 1500.
c) Si disminuimos 3 horas en el departamento 2, el valor de b2 = 1497, el problema
sería óptimo porque este valor pertenece al intervalo 1000 < b2 < 1500, además la
utilidad es de:
Z = 6600 – 3(1.2) = 695596.4
11.a) Minimizar : Z = –5u1 + 6u2 b) Minimizar : Z = 320u1 + 350u2 + 10u3
Sujeto a : –u1 + 3u2 > 4 Sujeto a: u1 + 3u2 > 10
u1 – 2u2 > 3 2u1 + u2 > 12
u1, u2 > 0 – u1 + u3 > – 2
u1, u2, u3 > 0
c) Minimizar : Z = – 5u1 + u2 – u3
Sujeto a : – u1 + u2 – 2u3 > 1
4u1 – 3u2 + 5u3 > –1
u1 , u 2 , u 3 > 0
d) Minimizar : Z = –12u1 – 10u2 – 9u3 e) Minimizar : Z = 12u1
Sujeto a : – 5u1 –2u3 > –6 Sujeto a : 5u1 > – 3
–6u1 –u2 –5u3 > –7 2u1 > – 3
3u1 – 5u2 – u3 > –3 3u1 > – 5
–4u1 – 6u2 – u3 > –5 4u1 > – 12
u1, u2, u3 > 0 u1 > 0
12. El dual es:
a) Minimizar : Z = u1 + 2u2
Sujeto a : u1 + 2u2 > 2
u1 + 5u2 > 1
u1, u2 > 0
608 ALGEBRA LINEAL
c) Primal: x1 = 1, x2 = 1, Z = 2. Dual: u1 = 2, u2 = 0, Z = 2. Tanto el primal como el

dual es la misma solución óptima
- En el primal el número de variable es igual al número de restricciones del dual
- En el primal es maximizar, en el dual es minimizar
- En el primal las restricciones son de menor e igual, en el dual son de mayor e igual
- Su valor óptimo es el precio sombra del primal
EJERCICIO 8
1. a. La red tiene seis arcos equivalentes a seis variables
b. Tiene dos restricciones de oferta y tres de demanda
c. Planteamiento del problema
Sea xij : número de unidades embarcadas del origen i al destino j. donde i = 1,2 y
j = 1, 2, 3
Minimizar : Z = 28x11 + 18x12 + 14x13 + 16x21 + 20x22 + 10x23
Sujeto a : x11 + x12 + x13 < 60
x21 + x22 + x23 < 40
x11 + x21 = 50
x12 + x22 = 30
x13 + x23 = 10
xij > 0 para i = 1, 2 y j = 1, 2, 3
2. a) 8 variables equivalentes a 8 arcos

b) 6 restricciones 2 de oferta y 4 de demanda
Minimizar : Z : 42x11 + 30x12 + 36x13 + 18x14 + 20x21 + 28x22 + 32x23 + 23x24
Sujeto a: x11 + x12+ x13 + x14 < 1.100
x21 + x22 + x23 + x24 < 1.300
x11 + x21 = 400
x12 + x22 = 500
x13 + x23 = 800
x14 + x24 = 700
xij > 0 i = 1, 2 y j = 1, 2, 3, 4
3. La red es la siguiente:
1 200
40
30
1000 1 2 500
36
28
40
18
82
1200 2 3 800
46
4 700
1000 x 1 4 1 M 800
6
12
4
2
1600 y 2 2 N 1400
10
8
12
24
2000 z 3 3 O 2400
610 ALGEBRA LINEAL
b. Fórmulación de modelo
Minimizar: Z = 4x11 + 6x12 + 12x13 + 4x21 + 2x22 + 10x23 + 8x31 + 12x32 + 24x33
Sujeto a : x11 + x12 + x13 < 1000
x21 + x22 + x23 < 1600
x31 + x32 + x33 < 2000
x11 + x21 + x31 = 800
x12 + x22 + x32 = 1400
x13 + x23 + x33 = 2400
xij > 0, i = 1, 2, 3 y j = 1, 2, 3
c. De x a M, 800 unidades, de x a O, 200 unidades, de y a N, 1400 unidades, de z a

O, 2.000 unidades. Costo inicial $ 58.400
d. De x a O = 1.000 unidades, de y a N = 200 unidades, de y a O = 1.400 unidades,
de z a M = 800 unidades, de z a N = 1.200. Costo mínimo $ 47.200
6. a. Se necesitan 6 nodos, dos de oferta y cuatro de demanda con 8 arcos

b. Bogotá
1 2.800
EEUU Bucaramanga
4
12
10.000 1 2 6.400
12
4
Francia 2 Barranquilla
4
6.000 2 10 3 4.000
14
Cali
4 2.800
c. Minimizar : Z : 4x11 + 12x12 + 12x13 + 4x14 + 2x21 + 4x22 + 10x23 + x24

Sujeto a : x11 + x12 + x13 + x14 < 10.000
x21 + x22 + x23 + x24 < 6.000
x11 + x21 = 2.800
x12 + x22 = 6.400
x13 + x23 = 4.000
x14 + x24 = 2.800
xij > 0, i : 1, 2 y j : 1, 2, 3, 4
d. De EE.UU a Bogotá : 2.800 De EE.UU a Bucaramanga : 400

De EE.UU a Barranquilla : 4.000 De EE.UU a Cali : 2.800
De Francia a Bucaramanga: 6.000 Costo mínimo $ 99.200
612 ALGEBRA LINEAL
7) Red del problema

M
a)
1 225
x
10
500 1 5
N
25
15
2 550
y
35
20
750 2 5
O
40
3 850
15
z
10
40
625 3
25
W
4 250
b) Formulación:
Minimizar: Z = 10x11 + 5x12 + 25x13 + 15x14 + 35x21 + 20x22 + 5x23 + 40x24 +
15x31 + 10x32 + 40x33 + 25x34
Sujeto a:
x11 + x12 + x13 + x14 < 500
x21 + x22 + x23 + x24 < 750
x31 + x32 + x33 + x34 < 625
x11 + x21 + x31 = 225
x12 + x22 + x32 < 550
x13 + x23 + x33 = 850
x14 + x24 + x34 = 250
xij > 0, i = 1, 2, 3 y j = 1, 2, 3, 4
c) El problema es de transporte equilibrado porque la sumatoria de la oferta y la

demanda es de 1875 unidades
Demanda Oferta
M 225 x 500
N 550 y 750
O 850 z 625
W 250
1875 1875
d) De x a N, 500 de y a O, 750 de z a M, 225, de z a N, = 50, de z a O, 100 y de z a

W, 250. Costo inicial $ 20.375
e) De x a N, 150, de x a O, 100 de x a W, 250, de y a O, 750, de z a M, 225 y de z a
N, 400. Costo mínimo $ 18.125
8) a) x y z Oferta
100 200 200
A 220
400 600 400

B 320
200 400 600

C 300
Demanda 280 400 160
b) El problema es equilibrado porque la sumatoria de las ofertas y demanda

son iguales
Oferta Demanda
A 220 280
B 320 400
C 300 160
840 840
614 ALGEBRA LINEAL
c) De A a x, 220, de B a y, 160, de B a Z, 160 de C a x, 60, de C a y, 240. Costo inicial

$ 290.000
d) De A a y, 220, de B a y, 160, de B a Z, 160, de C a x, 280, de C a y, 20. Costo
mínimo $ 268.000
9) a) Bogotá
1 800
Alemania
20
1000 1 40
30 Cali
2 400
Francia
24
30
800 1 36
Medellín
3 600
b) Formulación del problema

Minimizar : Z = 20x11 + 40x12 + 30x13 + 24x21 + 30x22 + 36x23
Sujeto a: x11 + x12 + x13 < 1000
x21 + x22 + x23 < 800
x11 + x21 = 800
x12 + x22 = 400
x13 + x23 = 600
xij > 0, i = 1, 2 y j : 1, 2, 3
d) De Alemania a Bogotá: 400, de Alemania a Medellín: 600, de Francia a Bogotá:

400, de Francia a Cali: 400. Costo mínimo $ 47.600
10.La red asociada al problema es:

a) A B1
40
600 1 1 400
32
48
B B2
20
20
1000 2 2 800
16
C 24 B3
36
200 3 20 3 600
b) Mínimizar : 40x11 + 32x12 + 48x13 + 20x21 + 20x22 + 16x23 + 24x31 + 36x32 + 20x33
Sujeto a: x11 + x12 + x13 < 600
x21 + x22 + x23 < 1000
x31 + x32 + x33 < 200
x11 + x21 + x31 = 400
x12 + x22 + x32 = 800
x13 + x23 + x33 = 600
xij > 0, i : 1, 2 y j : 1, 2, 3
c) De A a B2: 600, de B a B1: 200, De B a B2: 200, de B a B3: 600, de C a B1: 200.
Costo mínimo $ 41.600
616 ALGEBRA LINEAL
11. a) Red del problema D1
1 30
α1 D2
6
12
45 1 2 15
18
0
α2 9 D3
18
45 2 27 3 30
0
Demanda ficticia
4 15
b) El modelo de transporte no es equilibrado porque la oferta es mayor que la de-

manda en 15 unidades por lo tanto hay que crear una demanda ficitica equivalente
a las 15 unidades
O1 45 D1 30
O2 45 D2 15
90 D3 30
75
90 – 75 = 15 unidades
c) Formulación del problema

Mínimizar : Z = 6x11 + 12x12 + 18x13 + 0x14 + 9x21 + 18x22 + 27x23 + 0x24
Sujeto a : x11 + x12 + x13 + x14 < 45
x21 + x22 + x23 + x24 < 45
x11 + x21 = 30
x12 + x22 = 15
x13 + x23 = 30
x14 + x24 = 15
xij > 0 i = 1, 2 y j = 1, 2, 3, 4
d) De O1 a D2: 15, de O1 a D3: 30 y de O2 a D1 : 30

e) Costo mínimo: US$ 990
12.a) α1 D1
6
30 1 1 30
12
18
α2 D2
9
45 2 18 2 30
27
Origen
ficticio 0 D3
0
15 3 0 3 30
618 ALGEBRA LINEAL
b) El problema no es equilibrado porque la demanda es mayor que la oferta en 15

unidades por lo tanto debemos crear un origen ficticio equivalente a las 15 unidades
O1 30 D1 30
O2 45 D2 30
75 D3 30
90
90 – 75 = 15 unidades
c) formulación del problema
Mínimizar: Z = 6x11 + 12x12 + 18x13 + 9x21 + 18x22 + 27x23 + 0x31 + 0x32 + 0x33
Sujeto a : x11 + x12 + x13 < 30
x21 + x22 + x23 < 30
x31 + x32 + x33 < 15
x11 + x21 + x31 = 30
x12 + x22 + x31 = 30
x13 + x23 + x33 = 30
xij > 0, i: 1, 2, 3 y j: 1, 2, 3
d) De O1 a D2: 15, de O1 a D3: 30 y de O2 a D1 : 30
Costo mínimo: US$ 990
13.a)Red asociada al problema

Cali Armenia
6
150 1 1 100
4
2
Bogotá Manizales
8
200 2 10 2 100
12
Origen
ficticio 4 Barranquilla
6
50 3 4 3 200
b) El problema no es equilibrado porque la demanda es 50 unidades mayor que la

oferta o suministro. Por lo tanto se debe crear un nodo origen con tres rutas
ficiticias hacia los destinos
Armenia 100 Cali 150
Manizales 100 Bogotá 200
Barranquilla 200 350
400
400 – 350 = 50
c) Minimizar : 6x11 + 4x12 + 2x13 + 8x21 + 10x22 + 12x23 + 4x31 + 6x32 + 4x33
Sujeto a: x11 + x12 + x13 < 150
x21 + x22 + x23 < 200
x31 + x32 + x33 < 50
x 11 + x21 = 100
x12 + x22 = 100
x13 + x23 = 200
xij > 0 i: 1, 2, 3 j: 1, 2, 3
f) De Cali a Barranquilla: 150, de Bogotá a Armenia: 100 y de Bogotá a Manizales: 100.
Costo mínimo: 2.300
620 ALGEBRA LINEAL
14.a) Red del problema Ecuador
1 160
Alemania Colombia
80
320 1 100 2 180
80
80
0
Italia Brasil
80
100
300 2 100 3 220
100
0
100
Canadá Perú
80
80
380 3 4 320
80
0
Destino
ficticio
5 120
b) El problema no es equilibrado porque la oferta es menor que la demanda en 120

unidades, luego es indispensable crear un destino ficticio.
Alemania 320 Ecuador 160
India 300 Colombia 180
Canadá 380 Brasil 220
Perú 320
1000 880
1000 – 880 = 120
c) Formulación del problema

Mínimizar : Z = 80x11 + 100x12 + 80x13 + 80x14 + 80x21 + 100x22 + 100x23 + 100x24 +
100x31 + 80x32 + 80x33 + 80x34
Sujeto a : x11 + x12 + x13 + x14 < 320
x21 + x22 + x23 + x24 < 300
x31 + x32 + x33 + x34 < 380
x 11 + x21 + x31 = 160
x12 + x22 + x32 = 180
x13 + x23 + x33 = 220
x14 + x24 + x34 = 320
x15 + x25 + x35 = 120
xij > 0 i : 1, 2, 3 j : 1, 2, 3, 4, 5
f) De Alemania a Brasil: 320, de Alemania a Perú: 100, de Italia a Ecuador: 160, de

Italia a Colombia 20, de Canadá a Colombia: 160 y de Canadá a Perú: 220. Costo
mínimo: US$ 70.800
15.Formulación del problema de asignación

Mínimizar: Z = 64x11 + 72x12 + 78x13 + 66x21 + 70x22 + 74x23 + 66x31 + 74x32 + 74x33
Sujeto a : x11 + x12 + x13 <1
x21 + x22 + x23 <1
x31 + x32 + x33 <1
x11 + x21 + x31 =1
x12 + x22 + x31 =1
x13 + x23 + x33 =1
xij > 0, i: 1, 2, 3 y j: 1, 2, 3
622 ALGEBRA LINEAL
16.La red asociada al problema de asignación es:
12
1 1 1 1
28
6
20
30
1 2 2 1
18
18
36
10
1 3 3 1
17.a) La red asociada al problema de asignación es:

P1 W1
24 1 1
1 1
21
6
15
P2 W2
18
1 2 9 2 1
24
30
P3 12
W3
21
27
1 3 3 1
27
24
P4 30 W4
24
3
1 4 4 1
b) Formulación del problema de asignación

Minimizar : 24x11 + 21x12 + 6x13 + 15x14 + 18x21 + 9x22 + 24x23 + 30x24 + 12x31 +
21x32 + 27x33 + 27x34 + 24x41 + 30x42 + 24x43 + 3x44
Sujeto a:
x11 + x12 + x13 + x14 <1
x21 + x22 + x23 + x24 <1
x31 + x32 + x33 + x34 <1
x41 + x42 + x43 + x44 < 1
x 11 + x21 + x31 + x41 =1
x12 + x22 + x32 + x42 =1
x 13 + x23 + x33 + x43 =1
x14 + x24 + x34 + x44 = 1
xij > 0, i = 1, 2, 3, 4 y j= 1, 2, 3, 4
d) x13 = x22 = x31 = x44 = 1. Costo mínimo: 30
18.La red asociada al problema es:

a) A1 1
16 1 1
1 1
32
34
22
A2 2
26
56
1 2 2 1
8
52
A3 76 3
38
1 3 36
3 1
30
38
A4 52 4
48
1 4 20 4 1
624 ALGEBRA LINEAL
b) Formulaciòn del problema de asignación

Minimizar : Z = 16x11 + 32x12 + 34x13 + 22x14 + 26x21 + 56x22 + 8x23 + 52x24 + 76x31 +
38x32 + 36x33 + 30x34 + 38x41 + 52x42 + 48x43 + 20sx44
Sujeto a:
x11 + x12 + x13 + x14 <1
x21 + x22 + x23 + x24 <1
x31 + x32 + x33 + x34 <1
x41 + x42 + x43 + x44 < 1
x 11 + x21 + x31 + x41 =1
x12 + x22 + x32 + x42 =1
x 13 + x23 + x33 + x43 =1
x14 + x24 + x34 + x44 = 1
xij > =, i = 1, 2, 3, 4 y j= 1, 2, 3, 4
c) x11 = x23 = x32 = x44 = 1. Costo mínimo: 82
19.a) La red asociada al problema es:

A E1
75,4 1 1
1 1
65,8
67,6
74
B E2
86,8
66,2
1 2 2 1
84,4
69,4
C 66,6 E3
57
77,8
1 3 3 1
60,8
58,4 52,8
D E4
59,2
57
1 4 4 1
b) La formulaciòn del programaciòn lineal

Minimizar : Z = 75,4x11 + 65,8x12 + 67,6x13 + 74x14 + 86,8x21 + 66,2x22 + 84,4x23 +
69,4x24 + 66,6x31 + 57x32 + 77,8x33 + 60,8x34 + 58,4x41 + 52,8x42 +
59,2x43 + 57sx44
Sujeto a:
x11 + x12 + x13 + x14 <1
x21 + x22 + x23 + x24 <1
x31 + x32 + x33 + x34 <1
x41 + x42 + x43 + x44 < 1
x 11 + x21 + x31 + x41 =1
x12 + x22 + x32 + x42 =1
x 13 + x23 + x33 + x43 =1
x14 + x24 + x34 + x44 = 1
xij > 0, i = 1, 2, 3, 4 y j= 1, 2, 3, 4
d) x13 = x24 = x32 = x41 = 1. Costo mínimo: 252,4
20.a) x14 = x22 = x33 = x41 = 1

b) Costo mínimo: 194
21.b) x11 = x23 = x32 = x44 = 1. Costo mínimo: 126

626 ALGEBRA LINEAL
22. La red asociada al problema de transbordo
5 600
6
6 18
1800 1 3 6 450
9 9
18
12
9 12
1200 2 3 18
4 7 1050
15
8 900
23.a)
Minimizar : Z = 2x13 + 4x14 + 3x15 + 7x23 + 2x24 + x25 + 8x36 + 7x37 + 6x46 + 5x47 +
4x56 + 3x57
Sujeto a : x13 + x14 + x15 < 300
x23 + x24 + x25 < 400
– x13 – x23 + x36 + x37 =0
– x14 – x24 + x46 + x47 =0
– x15 – x25 + x56 + x57 =0
+ x36 + x46 + x56 = 1200
+ x37 + x47 + x57 = 800
xij > 0, ∀ i, ∀ j ∈ N
b) x15 = 300 unidades, x25 = 400 unidades, x57 = 700 unidades. Costo mínimo 3.400
24.La red del problema es:

a)
P1 A1
800 1 12 6 400
16 B1
18 A2
4 14
P2 12 7 1000
16 20
900 2 24
14 A3
B2 18
12 8 600
5
P3 16
20
A4
10
700 3
9 400
b) La formulación de programación lineal es:

Minimizar : Z = 12x14 + 16x15 + 16x24 + 24x25 + 20x34 + 10x35 + 18x46 + 14x47 +
12x48 + 20x49 + 14x56 + 18x57 + 12x58 + 16x59
Sujeto a :
x14 + x15 < 800
x24 + x25 < 900
x34 + x35 < 700
– x14 – x24 – x34 + x46 + x47 + x48 + x49 =0
– x15 – x25 – x35 + x56 + x57 + x58 + x59 = 0
x46 + x56 = 400
x47 + x57 = 1000
x48 + x58 = 600
x49 + x59 = 400
xij > 0, ∀ i, ∀ j ∈ N
c) x14 = 800 unidades, x24 = 900 unidades, x35 = 700 unidades, x46 = 100 unidades,
x47 = 1000 unidades, x48 = 600 unidades, x56 = 300 unidades, x59 = 400 unidades.
Costo mínimo 64.600
628 ALGEBRA LINEAL
25.a) La red tiene 2 nodos de origen, 2 de transbordo y 4 de destino

b) La red del problema es: B1
5 60
A1 R1 B2
44
24 3 40
160 1 6 40
22 48
A2 R2 40 B3
20
18 38
120 2 4 7 280
46
B4
8 80
c) La formulación de programación lineal es:

Minimizar : Z = 24x13 + 22x14 + 20x23 + 18x24 + 8(x13 + x23) + 12(x14 + x24) + 44x35
+ 40x36 + 48x37 + 40x45 + 38x47 + 46x48
Sujeto a:
x13 + x14 < 160
x23 + x24 < 120
x13 + x23 – x35 – x36 – x37 =0
x14 + x24 – x45 – x47 – x48 =0
x35 + x45 = 60
x36 = 40
x37 + x47 = 280
x48 = 80
xij > 0, ∀ i, ∀ j ∈ N
d) x14 = 160 unidades, x24 = 120 unidades y x47 = 280 unidades. Costo mínimo 16.320

Álgebra Lineal y Programación Lineal - Francisco Soler Fajardo

Cargado por

Información del documento

Título 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

Álgebra Lineal y Programación Lineal - Francisco Soler Fajardo

Cargado por

Copyright:

Formatos disponibles

Álgebra Lineal y

ADMINISTRATIVAS, CONTABLES Y FINANCIERAS

Francisco Soler Fajardo

Fabio Molina Focazzio

Lucio Rojas Cortés

CEP-Banco de la República-Biblioteca Luis Ángel Arango

Colección: Ciencias exactas

© Francisco Soler, Fabio Molina y Lucio Rojas

Coordinación editorial: Adriana Gutiérrez M.

Impreso y hecho en Colombia

Fabio Molina Focazzio

Lucio Rojas Cortés

Harold Noriega Usta

Un agradecimiento especial hacemos llegar a los doctores Rodrigo Noguera Laborde,

Introducción ................................................................................................ XIX

Matrices que conmutan ................................................................................. 33

2. Sistemas de ecuaciones lineales .............................................................. 71

Matriz escalonada reducida .......................................................................... 92

3. Determinantes ............................................................................................ 165

Menor i,j ....................................................................................................... 172

4. Introducción a la Programación Lineal ................................................... 229

Desigualdades lineales simultáneas con dos variables .................................. 242

5. Planteamiento de modelos de programación lineal .............................. 309

Problemas propuestos ................................................................................... 337

6. Método simplex ......................................................................................... 371

7. Análisis de sensibilidad y dualidad .......................................................... 431

Intervalo de optimalidad para variables básicas ............................................ 438

8. Transporte, asignación, transbordo y PERT/CPM ............................... 479

PASO II. Reducción de columnas ................................................................ 517

Respuestas a algunos ejercicios y problemas ....................................... 573

Arthur Cayley. Nació en Richmond, Surres, Ingla-

En este capítulo hacemos una introducción al estudio de las matri-

• Reconocer el concepto de matriz e identificar sus elementos

LM2 2 OP B es de orden 3x1 Las matrices que tienen una

D = [7] D es una matriz de orden 1 x 1.

Ejemplo 3. Halle los elementos de la matriz A = [aij] de orden 2 x 3,

Solución. Escribamos la matriz A de la forma:

para a11 tenemos que i = 1 y j = 1, a11 = 12 _ 1 = 1 _ 1 = 0;

reemplazando estos valores en la matriz A, tenemos

Matriz cuadrada. Cuando el número de filas de una matriz A es

La diagonal principal de una matriz cuadrada está formada

A es una matriz de orden 2 x 2 y tiene el mismo número de filas y de

LM2 4OP LMx y OP

Ejemplo 6. Determine los valores de m, n, r y t, tal que C = D.

Solución. Para que se cumpla la igualdad C = D, se debe dar:

Simplificando las ecuaciones tenemos:

Reemplazando n por (− 53 ) en la ecuación (1), obtenemos:

Matriz nula. Es la que tiene todos sus elementos iguales a cero

Ejemplo 7. La matriz nula de orden 2 x 5 es

LM4 OP , calcule tr (B)

2. Halle los elementos de las matrices A = [aij]2x3, B = [bij]3x2, donde:

3. Determine los valores de x, y, z y w ,tal que A = B, donde:

4. Escriba completamente los elementos de la matriz: A = [aij]2x3, con

1.2 OPERACIONES ENTRE MATRICES

Suma algebraica de matrices

Multiplicación de una matriz por un escalar

Sea A = [aij]m x n y k un escalar, entonces el producto del esca-

LM1 2OP LM3 3OP a) A + B

MN5 −1PQ MN−5 2 PQ MN 0 1 PQ

simplificando las ecuaciones tenemos:

PLANTA A Modelo I Modelo II Modelo III

PLANTA B Modelo I Modelo II Modelo III

a) ¿Cual es la capacidad total de producción de las 2 plantas, por