Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Programación Lineal
Con aplicaciones a ciencias
Revisión Técnica
Nestor Pedraza Colmenares
Profesor de Matemáticas
Pontificia Universidad Javeriana
Universidad Jorge Tadeo Lozano
Bogotá, Colombia
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
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
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
Introducción
Objetivos
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.
001LM OP
C= 010
100 MN PQ C es una matriz de orden 3 x 3.
LM a 11 a 12
MNL
a 13
A=
N a 21 a 22 a23
, con aij = i2 – j , por lo tanto:
LM26 47ML
N N
Ejemplo 4.
Sea A=
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.
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
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)
A=
LMx + 2 y −w + 2z OP B=
LM 1 2 OP
N3+ w 5x − y Q N2 w + z 3 y − 1Q
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
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
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
F. SOLER, F. MOLINA, L. ROJAS 9
Ejemplo 3.
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
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.
Esto significa por ejemplo que hay c23 = 13.200 computadores Mo-
delo III y con una capacidad de 32 RAM de memoria
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
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
n
Σ c = c + c + ... + c = nc
4. Suma de una constante: i=1 14243
n - términos
20 5 14 20
entonces: Σ ai = Σ ai + Σ ai + Σ ai
i=1 i =1 i =6 i = 15
F. SOLER, F. MOLINA, L. ROJAS 13
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
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
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
2 3 2
Σ Σ aij = Σ ( ai1 + ai2 + ai3 ) = ( a11 + a12 + a13 ) + (a21 + a22 + a23 )
i =1 j =1 i=1
LMb OP
1
a1 a2 ...an MMbM PP = a b + a b
2
1 1 2 2 + ... + anbn
Nb Q
n
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.
F. SOLER, F. MOLINA, L. ROJAS 15
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:
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
→
→
→
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 →
=
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
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
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
F. SOLER, F. MOLINA, L. ROJAS 19
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
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
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
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
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
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.
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.
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.
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.
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.
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.
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
F. SOLER, F. MOLINA, L. ROJAS 27
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?.
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.
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
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
F. SOLER, F. MOLINA, L. ROJAS 29
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
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,
−
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
F. SOLER, F. MOLINA, L. ROJAS 31
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
8. Sean A y B matrices cuadradas del mismo orden. ¿Es (AB)2 = A2B2? Justifique su
respuesta.
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
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.
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
F. SOLER, F. MOLINA, L. ROJAS 33
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.
1 1 LM OP
N Q
Ejemplo 10. Sea A = −1 − 1 y p = 2, entonces A2 = 0, es decir:
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
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
F. SOLER, F. MOLINA, L. ROJAS 35
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
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
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)
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
= 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
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.
F. SOLER, F. MOLINA, L. ROJAS 37
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.
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
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:
F. SOLER, F. MOLINA, L. ROJAS 39
a) At b) Bt c) (A + B)t d) At + Bt
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.
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
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
∑ 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
F. SOLER, F. MOLINA, L. ROJAS 41
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
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
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____
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
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
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
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
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
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
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 1.6.11
Asignación de dos matrices a las letras A y B, y definición del producto AB.
El resultado se distingue sombreado.
F. SOLER, F. MOLINA, L. ROJAS 49
2. Se presiona enter.
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
Figura 1.6.13
Definición de una matriz con ayuda de la función VECTOR
2. Se presiona enter.
3. Para obtener la matriz se hace clic sobre el botón rotulado = en el menú principal.
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
2. Se presiona enter.
3. Para obtener el resultado de la sumatoria hace clic sobre el botón rotulado = en el
menú principal.
n
Calcular: ∑ k3
k =1
n 3
Figura 1.6.16 Definición de la sumatoria ∑ k en la línea de edición
k =1
2. Se presiona enter.
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
2. Se presiona enter.
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
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
F. SOLER, F. MOLINA, L. ROJAS 53
5. Se presiona enter.
6. Para obtener el resultado se hace clic sobre el botón rotulado = en el menú principal
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).
2. Se presiona enter.
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).
3. Se presiona enter.
4. Para obtener la matriz se hace clic sobre el botón rotulado = en el menú principal.
En la figura 1.6.23, se observa el resultado en la ventana de álgebra.
F. SOLER, F. MOLINA, L. ROJAS 55
Figura 1.6.23
Resultado de calcular una matriz Traspuesta en la ventana de álgebra
56 ALGEBRA LINEAL
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.
F. SOLER, F. MOLINA, L. ROJAS 57
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 1.7.6 Proceso de creación de la matriz producto de un escalar por una matriz
Figura 1.7.7 Ingreso de la fórmula que multiplica un bloque de celdas, por un escalar.
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 1.7.10 Ingreso de la fórmula que multiplica dos matrices (dos bloques de celdas).
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
RESUMEN
Q
. .
m1 am2 amn
∑ 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
F. SOLER, F. MOLINA, L. ROJAS 67
Continúa
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
N Q
nj
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
F. SOLER, F. MOLINA, L. ROJAS 69
GLOSARIO
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.
Introducción
Objetivos
Y
Única solución
Geométricamente
los gráficos de
l1 las ecuaciones
lineales se cortan
en un punto.
(x 1 y1)
y1
X
x1
l2
Y l1
l2
X
F. SOLER, F. MOLINA, L. ROJAS 75
l1
l2
X
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
2
y 0
3
x 0 2
y _1 0 y=
2
x-2
X
2
-1
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
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
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.
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
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.
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:
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
F. SOLER, F. MOLINA, L. ROJAS 83
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
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
Sistemas equivalentes
Dos sistemas de ecuaciones lineales son equivalentes, cuando toda solución de
uno de ellos, lo es también del otro.
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
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
Coeficientes
x+1y_z=0 1 1 _1
2 2
3x + 2y + 2z = 0 3 2 2
5x + 4y + 3z = 0 5 4 3
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
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
Coeficientes | T. independientes
_
x+1y_z = 5 1 1 1: 5
2 2
y + 10z = _28 0 1 10: _28
z = _3 0 0 1: _3
x _ 6z = 19 1 0 _6: 19
y + 10z = _28 0 1 10: _28
z = _3 0 0 1: _3
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
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.
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.
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
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
El elemento a22 = 1 se denomina elemento pivote.
___________>
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
F. SOLER, F. MOLINA, L. ROJAS 95
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
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
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
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
F. SOLER, F. MOLINA, L. ROJAS 97
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
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
F. SOLER, F. MOLINA, L. ROJAS 99
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
(1) x+ y + z = 25.000
( 2) 2 y + 4 z = 440
100 100
(3) − 4 z = −240
100
al 12%, ahora:
De la segunda ecuación:
( 4 ) ( 6000) (100) ( 200)
2
100
y+ 100
= 440 e y = 2
= 10.000 dólares al 10%,
→
Forma escalonada Forma escalona-
Sistema final da reducida
B
reducida
Solución
F. SOLER, F. MOLINA, L. ROJAS 101
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.
El elemento a11 = 1 se denomina elemento pivote.
___________>
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
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
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
F. SOLER, F. MOLINA, L. ROJAS 105
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.
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.
F. SOLER, F. MOLINA, L. ROJAS 107
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
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
F. SOLER, F. MOLINA, L. ROJAS 109
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.
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
x2 = Número de carro-tanques de 8000 galones
x3 = Número de carro-tanques de 18000 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
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
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.
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
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
RC = R A
RA = n ==> Solución única
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
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
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
F. SOLER, F. MOLINA, L. ROJAS 115
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
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
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
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
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
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.
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?
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?
F. SOLER, F. MOLINA, L. ROJAS 121
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:
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
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?
F. SOLER, F. MOLINA, L. ROJAS 123
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
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}
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
Ejemplo 1. La matriz.
B=
LM3 5OP esla inversa deA = LM 2 −5 OP
N1 2Q N−1 3 Q
porque
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
Operaciones elementales
→ I n B ⇒ A −1 = B
entre filas
A In
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
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
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
de donde, D −1 = 1
d LM −b OP
ad − bc −c MN a PQ
130 ALGEBRA LINEAL
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
Inglés Español
Madera LM 20 30 OP
MM 70 P
50 PQ
Bloques de concreto N
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
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
F. SOLER, F. MOLINA, L. ROJAS 133
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
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:
F. SOLER, F. MOLINA, L. ROJAS 135
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.
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
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
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.
(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
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
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
LM
2 6 OP
N Q
A = −1 4 ; por lo tanto si A es Invertible, podemos dar solución casi inmediata a
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:
LM 1 1 0OP
MM 2 2 PP
A=M 0 1P
MM P
0
0P
MN 12 − 1
2
PQ
F. SOLER, F. MOLINA, L. ROJAS 141
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
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?
CUESTIONARIO
LM1 2 3 OP
Ejemplo 1. Intercambie las filas 2 y 3 de la matriz A = M4 −5 7
PQ
N2 −1 5
2. Se presiona enter.
3. Escribimos en la línea de edición SWAP_ELEMENTS (A, 2, 3) para intercambiar
las filas 2 y 3 en la matriz A.
4. Se presiona enter.
5. Para obtener la nueva matriz se hace clic sobre el botón rotulado = en el menú
principal.
146 ALGEBRA LINEAL
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
2. Se presiona enter.
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
F. SOLER, F. MOLINA, L. ROJAS 147
4. Se presiona enter.
5. Para obtener la nueva matriz se hace clic sobre el botón rotulado = en el menú
principal.
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
2. Se presiona enter.
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.
4. Se presiona enter.
5. Para obtener la nueva matriz se hace clic sobre el botón rotulado = en el menú
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.
2. Se presiona enter.
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
4. Se presiona enter.
5. Para obtener la nueva matriz se hace clic sobre el botón rotulado = en el menú
principal.
F. SOLER, F. MOLINA, L. ROJAS 149
1.
2. Se presiona enter.
3.
4. Se presiona enter.
5. Se hace clic sobre el botón rotulado = en el menú principal.
150 ALGEBRA LINEAL
6.
7. Se presiona enter.
8. Se hace clic sobre el botón rotulado = en el menú principal.
9.
12.
15.
18.
1.
2. Se presiona enter.
3. Se hace clic sobre el botón rotulado = en el menú principal.
4.
5. Se presiona enter.
6. Se hace clic sobre el botón rotulado = en el menú principal.
F. SOLER, F. MOLINA, L. ROJAS 153
7.
8. Se presiona enter.
9. Se hace clic sobre el botón rotulado = en el menú principal.
154 ALGEBRA LINEAL
LM2 1 −5 4 OP
Ejemplo 7. Encuentre el rango de la matriz A = M2 3 −2 1
PQ
N4 4 −7 5
2. Se presiona enter.
3. Escribimos en la línea de edición:
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:
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:
2. Se presiona enter.
3. Para calcular la inversa de la matriz A. Escribimos en la línea de edición:
4. Se presiona enter.
5. Para obtener la inversa de A se hace clic sobre el botón rotulado = en el menú
principal.
F. SOLER, F. MOLINA, L. ROJAS 157
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.
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.
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.
F. SOLER, F. MOLINA, L. ROJAS 159
RESUMEN
Continúa
F. SOLER, F. MOLINA, L. ROJAS 163
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
Introducción
Objetivos
Determinantes de orden 2 x 2
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
F. SOLER, F. MOLINA, L. ROJAS 169
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
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
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
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 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
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:
λ−6 0 0
λ −1 −2
a) b) 0 λ −1
1 λ−4
0 4 λ−4
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)
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.
M11 =
LMa a23 OP
Na Q
22
32 a33
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+jMij
donde Mij es el menor i, j de la matriz A.
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+jMij.
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
F. SOLER, F. MOLINA, L. ROJAS 175
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
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
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
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
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
LM + OP
MM −
PP
N + Q
−2 0
= + 20
1 −1
= 20(2 − 0) = 40
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
F. SOLER, F. MOLINA, L. ROJAS 179
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.
+ 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
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
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
F. SOLER, F. MOLINA, L. ROJAS 181
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
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
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
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
queB = 0
Ejemplo 5. A = 4 6
= 8 − 54 = − 46
9 2
4 9
At = = 8 − 54 = − 46
6 2
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
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).
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)
F. SOLER, F. MOLINA, L. ROJAS 185
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
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
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
−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
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
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
1 1 1 1 x x2
x y z = 1 y y2
x2 y2 z2 1 z z2
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
( 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)
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
F. SOLER, F. MOLINA, L. ROJAS 189
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
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
1+ a 1 1 1
1 1− a 1 1
1 1 1+b 1
1 1 1 1− b
Matriz adjunta.
La traspuesta de la matriz de cofactores se denomina adjunta de A, y se nota
Adj(A).
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
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.
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,
F. SOLER, F. MOLINA, L. ROJAS 193
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:
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
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.
F. SOLER, F. MOLINA, L. ROJAS 195
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
Tabla 2
Agricultura Industria
5 = 0.20 6 = 010
.
Agricultura 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
N−0,40 Q 0.80 1
(2)
0,70 0 1 F2 → 0.40 F1 + F2
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
F. SOLER, F. MOLINA, L. ROJAS 197
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
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
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:
Bienes 270 90 90
manufacturados
Demanda final 90 60
Producción total 600 450
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
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
. . .
. . .
. . .
. . .
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.
a11 b1
a21 b2 a11 b2 − a21 b1
x2 = =
A a11 a22 − a21a12
202 ALGEBRA LINEAL
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
−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
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.
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
F. SOLER, F. MOLINA, L. ROJAS 205
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
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
F. SOLER, F. MOLINA, L. ROJAS 207
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?
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.
EJERCICIOS COMPLEMENTARIOS
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 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
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
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
F. SOLER, F. MOLINA, L. ROJAS 211
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)
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
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
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.
1. Utilizamos el procedimiento de creación de una matriz descrito en el capítulo de
Matrices, o escribimos en la línea de edición:
2. Se presiona enter.
3. Para calcular el determinante de la matriz A. Escribimos en la línea de edición
4. Se presiona enter.
5. Para obtener el determinante se hace clic sobre el boton rotulado = en el menú
principal.
2. Se presiona enter.
3. Para obtener el Menor 1,1 de la matriz A se hace clic sobre el boton rotulado = en
el menú principal.
F. SOLER, F. MOLINA, L. ROJAS 215
2. Se presiona enter.
3. Para obtener el Cofactor 1,1 de la matriz A, se hace clic sobre el boton rotulado =
en el menú principal.
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.
1. Utilizamos el procedimiento de creación de una matriz descrito en el capítulo de
Matrices, o escribimos en la línea de edición:
2. Se presiona enter.
3. Para calcular la matriz adjunta de la matriz A. Escribimos en la línea de edición
4. Se presiona enter.
5. Para obtener la matriz adjunta de A, se hace clic sobre el boton rotulado = en el
menú principal.
F. SOLER, F. MOLINA, L. ROJAS 217
LM2 3 5 OP
Ejemplo 5. Verifique que si A = 7
MN9 PQ
2 1 , A. adj(A) = det(A) I3
5 8
Solución.
1. Utilizamos el procedimiento de creación de una matriz descrito en el capítulo de
Matrices, o escribimos en la línea de edición:
2. Se presiona enter.
3. Para obtener el producto de la matriz A con su adjunta, escribimos en la línea de
edición:
4. Se presiona enter.
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:
7. Se presiona enter.
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.
1. Utilizamos el procedimiento de creación de una matriz descrito en el capítulo de
Matrices, o escribimos en la línea de edición
2. Se presiona enter.
3. Para calcular el determinante de A, escribimos en la línea de edición:
4. Se presiona enter.
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:
7. Se presiona enter.
8. Para obtener las soluciones de la ecuación se hace clic sobre el boton rotulado =
en el menú principal.
F. SOLER, F. MOLINA, L. ROJAS 219
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.
4. Aparece una ventana de diálogo, en la cual hacemos clic sobre el botón rotulado
Resolver , finalmente obtenemos las soluciones de la ecuación.
LM 1 2 3OP
MM2
Ejemplo 1. Calcule el determinante de la matriz A = 4 −5 7
PP
N −1 5 Q
F. SOLER, F. MOLINA, L. ROJAS 221
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
11. Para obtener el cociente det ( A) ,en la celda K17 escribimos la fórmula:
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
términos independientes.
La matriz A3, se obtiene de la matriz A intercambiando la tercera columna por los
términos independientes.
Al utilizar la regla de Cramer, los valores de las incógnitas se obtienen de la siguiente
forma:
RESUMEN
LM+ − + − OP
MM+− +
−
−
+
+
−
PP
MN− + − + PQ Continúa
F. SOLER, F. MOLINA, L. ROJAS 227
GLOSARIO
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).
F. SOLER, F. MOLINA, L. ROJAS 231
Introducción
Objetivos
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 .
F. SOLER, F. MOLINA, L. ROJAS 235
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<b
Ejemplo 3. Grafique las regiones correspondientes a las desigualdades 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
F. SOLER, F. MOLINA, L. ROJAS 237
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
y< − x +2
2
2x
+4
y=
8
2x + 4y = 8
2x+4y<8
x 0 4
y 2 0
Y>-3x+6
Y=
-3 x
y = –3x + 6 +6
x 0 2
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.
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.
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
X> 0
242 ALGEBRA LINEAL
Y> 0
2x+5
y=10
0
Y=0
X=0
2x+2y<4
Combinando
las gráficas
anteriores en el
mismo plano =0
x-y
cartesiano
obtenemos:
2x
+2
y=
4
F. SOLER, F. MOLINA, L. ROJAS 245
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:
F. SOLER, F. MOLINA, L. ROJAS 247
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
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
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:
Región factible
x+3 Conjunto de
y=3
0 soluciones que
satisfacen todas
las restricciones.
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
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).
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.
F. SOLER, F. MOLINA, L. ROJAS 255
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.
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.
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.
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.
F. SOLER, F. MOLINA, L. ROJAS 257
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.
Dentada 1 1 1
2 8
Normal 1 1 1
4 4
a) Escriba las desigualdades que definen el problema
b) Represente gráficamente.
LM x OP
1
max z = c1, c2, .. . cn MM xM PP
2
MN x PQ
n
sujeta a: MM aM
21 a22 L a2 n
PP MM xM PP ≤ MMbM PP
2 2
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.
MNc PQ
n
j
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
MNb PQ
n
decisión.
260 ALGEBRA LINEAL
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.
F. SOLER, F. MOLINA, L. ROJAS 261
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.
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:
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
F. SOLER, F. MOLINA, L. ROJAS 263
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
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:
F. SOLER, F. MOLINA, L. ROJAS 265
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
Departamento de armado
Departamento de corte
Tipo II
Departamento de acabado
Región
factible
Tipo I
266 ALGEBRA LINEAL
B
Tipo II
A E
Tipo I
Solución factible
Una solución que
satisface todas
las restricciones.
B
Tipo II
C 5x1+6x2=200
A E
Tipo I
F. SOLER, F. MOLINA, L. ROJAS 267
5x1+6x2=360
B
5x1+6x2=240
Tipo II
C
5x1+6x2=200
A E
Tipo I
5
para Z = 360 x2 = − x1 + 60
6
268 ALGEBRA LINEAL
5x1+6x2=450
5x1+6x2=360
B
5x1+6x2=240 Utilidad
Tipo II
A E
Tipo I
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
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 $450
y en el departamanto de corte y acabado se utilizan todas las horas
disponibles que son 80 y 210 respectivamente.
B
Tipo II
A E
Tipo I
Los vértices son: A(0, 0), C(30, 50), B(0, 70) y E(73.3, 0)
Falta por conocer el vértice D, que es la intersección entre las
fronteras de las regiones correspondientes a las restricciones del de-
partamento de armado y el departamento de corte.
Las restricciones son: x1 + x2 < 80
Vértices de una
3x1 + 2x2 < 220 región
Son los puntos
Las fronteras son: x1 + x2 = 80 E1 extremos de una
3x1 + 2x2 = 220 E2 región factible.
Restricción producto A:
El producto A requiere de x1 unidades de MI y 2x2 unidades de MII la suma de las
dos expresiones anteriores requiere como mínimo 80 unidades de A. Luego la restric-
ción se modela como: x1 + 2x2 > 80.
F. SOLER, F. MOLINA, L. ROJAS 273
Solución.
i) Graficamos las restricciones
Restricción (1)
(1) x1 + 2x2 > 80 graficamos la frontera x1 + 2x2 = 80
• Si x1 = 0 entonces 2x2 = 80, x2 = 40, la recta pasa en el eje x2 en (0, 40).
• Si x2 = 0 entonces, x1 = 80, la recta pasa en el eje x1 en (80,0) .
x1+2x2 ³ 80
3x1+2x2 ³ 160
5x1+2x2 ³ 200
Región Factible
Vértice B
Es la intersección de las fronteras de las restricciones (2) y (3).
3x1 + 2x2 = 160
5x1 + 2x2 = 200
Donde x1 = 20 y x2 = 50, luego el costo correspondiente es:
C = 2(20) + 2(50)
C = 40 + 100
C = 140
Vértice C
Es la intersección de las fronteras de las restricciones de (1) y (2)
x1 + 2x2 = 80
3x1 + 2x2 = 160
276 ALGEBRA LINEAL
Donde x1 = 40 y x2 = 20
Luego el costo es: C = 2(40) + 2(20)
C = 80 + 40 = 120
Tabla de costos
Vértice ( x, y ) Costo C = 2 x1 + 2 x2
A (0, 100) C = 2(0) + 2(100) = 200
B ( 20,50) C = 2(20) + 2(50) = 140
C (40,20) C = 2(40) + 2(20) = 120
D ( 80,0) C = 2(40) + 2(20) = 160
Manejo de recursos
Como el costo mínimo es de US$ 120 en el vértice C de coordenadas (40,20), reem-
plazamos estos valores en las restricciones para determinar los recursos sobrantes de la
compañía.
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
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
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
F. SOLER, F. MOLINA, L. ROJAS 279
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
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?.
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?
F. SOLER, F. MOLINA, L. ROJAS 281
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.
Ejemplo 1.
Maximizar : Z = 2x1 + 4x2
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+
Ejemplo 2.
Maximizar : 40x1 + 20x2
Sujeta a: x1 > 4
x2 < 10
x1, x2 > 0
X2=10
X1=4
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
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
EJERCICIOS COMPLEMENTARIOS
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
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
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
F. SOLER, F. MOLINA, L. ROJAS 289
8. Hacemos clic sobre la opción Herramientas del menú principal de excel y a continua-
ción seleccionamos la opción Solver.
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
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.
F. SOLER, F. MOLINA, L. ROJAS 295
Número de variables:
Número de restricciones:
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.
F. SOLER, F. MOLINA, L. ROJAS 299
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
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
F. SOLER, F. MOLINA, L. ROJAS 301
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
también el signo de desigualdad o de igualdad (<, >, <, >, =) correspondiente a cada
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
•
304 ALGEBRA LINEAL
RESUMEN
• 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
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
Introducción
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
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:
F. SOLER, F. MOLINA, L. ROJAS 313
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
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
Red de soluciòn:
Solución en QSB:
316 ALGEBRA LINEAL
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
Solución en QSB:
F. SOLER, F. MOLINA, L. ROJAS 317
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
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
Solución en QSB:
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.
F. SOLER, F. MOLINA, L. ROJAS 321
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
x3 : número de empleados en los períodos 3 y 4
x4 : número de empleados en los períodos 4 y 5
x5 : número de empleados en los períodos 5 y 6
x6 : número de empleados en los períodos 6 y 1
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
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
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
F. SOLER, F. MOLINA, L. ROJAS 323
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:
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
F. SOLER, F. MOLINA, L. ROJAS 325
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
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
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
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.
F. SOLER, F. MOLINA, L. ROJAS 329
Solución en QSB:
330 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
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
F. SOLER, F. MOLINA, L. ROJAS 333
Solución en QSB:
334 ALGEBRA LINEAL
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
Normal durazno Normal soda Dietética negra
Departamento I 4 10 6
Departamento II 6 2 8
Solución.
Primero calculemos la contribución marginal de cada tipo de gaseosa dependiendo
las variables de decisión
F. SOLER, F. MOLINA, L. ROJAS 335
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
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.
F. SOLER, F. MOLINA, L. ROJAS 337
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:
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
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:
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
F. SOLER, F. MOLINA, L. ROJAS 339
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:
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
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.
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?
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?.
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.
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.
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)
Tipos de juguetes
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?
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?
Número de variables:
Número de restricciones:
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.
El sentido de una desigualdad se puede cambiar haciendo doble clic con el mouse
sobre la respectiva desigualdad.
Al hacer clic sobre alguna de las tres primeras opciones se resuelve el problema:
F. SOLER, F. MOLINA, L. ROJAS 355
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 como se presenta a continuación:
Solución. Sea xi =
451 si lleva el alimento i
60 si no lleva el alimento i
F. SOLER, F. MOLINA, L. ROJAS 359
como aparece:
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 como se presenta a continuación:
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
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:
10.Al soltar el botón del mouse, obtenemos el siguiente cuadro de diálogo de excel.
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
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
Introducción
Objetivos
Departamento de armado
Departamento de corte
Tipo II
Departamento de acabado
Región
factible
Tipo I
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:
F. SOLER, F. MOLINA, L. ROJAS 375
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
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
E n cu en tre u n a s o lu c ión
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
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
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
(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.
F. SOLER, F. MOLINA, L. ROJAS 381
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
h2 0 3 2 0 1 0 220 Coeficientes
h3 0 2 3 0 0 1 210 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:
F. SOLER, F. MOLINA, L. ROJAS 383
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.
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
ELEMENTO PIVOTE
Es el elemento de la tabla simplex correspondiente al cruce
entre la fila pivote y la columna pivote.
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:
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:
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
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
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
x1 x2 h1 h2 h3
Base cj 5 6 0 0 0 bi
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?
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
F. SOLER, F. MOLINA, L. ROJAS 389
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
Base cj 5 6 0 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 −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
B
Tipo II
A E
Tipo I
A 0 0 80 220 210 0 0
B 0 70 10 80 0 420 1
C 30 50 0 30 0 450 2
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
cj − zj −2.5 0 −3 −15
. 0 −2.5 0
F. SOLER, F. MOLINA, L. ROJAS 393
Región
Factible
C D
O
A E
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
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
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
x1 x2 h1 h2 h3
Base cj 5 6 0 0 0 bi
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:
F. SOLER, F. MOLINA, L. ROJAS 399
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
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
F. SOLER, F. MOLINA, L. ROJAS 401
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
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
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
F. SOLER, F. MOLINA, L. ROJAS 403
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
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
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
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
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
F. SOLER, F. MOLINA, L. ROJAS 407
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
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
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:
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 > 100 producción mínima de x1, x2
x1, x2 > 0
F. SOLER, F. MOLINA, L. ROJAS 409
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
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:
Maximizar : Z = 40x1 + 20x2
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
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.
EJERCICIOS
1. Considere el siguiente problema de programación lineal:
Maximizar : Z = 100x1 + 300x2
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
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:
Normal 2 1 4 1 15
4
Ergonómica 3 1 6 1 20
2
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.
F. SOLER, F. MOLINA, L. ROJAS 417
Diseño 1 2.50
Tallaje 3 1.25
Estampado 4 3.25
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.
• Resuelva el problema por el método simplex.
• ¿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
A 10 15 150
B 20 10 160
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
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
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
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
F. SOLER, F. MOLINA, L. ROJAS 421
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?
F. SOLER, F. MOLINA, L. ROJAS 423
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.
Jarrón 8 10 14
Botella 10 15 13
Caballo 9 10 15
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.
Decoración 01
. 0.3 0.4
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.
F. SOLER, F. MOLINA, L. ROJAS 425
y pasamos al cuadro:
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.
F. SOLER, F. MOLINA, L. ROJAS 429
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
Introducción
Objetivos
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.
3x1 + 2x2 < 220 departamento de armado
2x1 + 3x2 < 210 departamento de acabado
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
2 x1 210
x2 = − +
3 3
x2 = − 2 x1 + 70
3
F. SOLER, F. MOLINA, L. ROJAS 435
t1 x1 Z
Despejando x2 tenemos: x2 = − t + t
2 2
t1
Donde − t = m , es la pendiente de la función objetivo.
2
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
5 ≥ 2 o sea 1 ≤ t2 ≤ 3
obtenemos: 1 ≤
t2 3 5 2
436 ALGEBRA LINEAL
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
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
______|_________• – / – /– / –/ – /– / – /– / – /– / –/ – • _________
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.
es decir que cada hora que se aumente en el departamento de corte tiene un costo
de $3; de esta manera aparece el concepto de precio sombra.
Precio sombra
Variación en la función objetivo por variación en el lado derecho de una restricción.
Hay que aclarar que estos cambios en el lado derecho de una restricción deben
ser muy pequeños, porque la región factible presenta deformaciones muy grandes,
ocasionando inconvenientes en la solución del problema.
Maximizar : Z = 5 x1 + 6x2
Sujeto a: x1 + x2 < 80 departamento de corte
3x1 + 2x2 < 220 departamento de armado
2x1 + 3x2 < 210 departamento de acabado
x1, x2 >0
donde:
x1 : número de escritorios tipo I
x2 : número de escritorios tipo II
x1 x2 h1 h2 h3
Base cj 5 6 0 0 0 bi
x1 5 1 0 3 0 −1 30
h2 0 0 0 −5 1 1 30
x2 6 0 1 −2 0 1 50
zj 5 6 3 0 1 450
cj − zj 0 0 −3 0 −1
En este caso queremos determinar el intervalo en el que puede variar la utilidad por
cada escritorio tipo I, de tal manera que la solución anterior siga siendo la óptima.
Solución: para que la solución óptima del problema se mantenga, tenemos que hallar
la variación de t1 (utilidad por cada escritorio tipo I), teniendo en cuenta que cj – zj < 0.
Tabla modificada
x1 x2 h1 h2 h3
Base cj t1 6 0 0 0 bi
x1 t1 1 0 3 0 −1 30
h2 0 0 0 −5 1 1 30
x2 6 0 1 −2 0 1 50
zj t1 6 3t1 − 12 0 − t1 + 6 30t1 + 300
cj − zj 0 0 12 − 3t1 0 t1 − 6
440 ALGEBRA LINEAL
La solución sigue siendo óptima si cj – zj < 0, donde las variables básicas son x1, h2 y
x2 las variables no básicas son h1 y h3, luego:
(1) 12 – 3t1 < 0
(2) t1 – 6 < 0
En la desigualdad (1), 12 – 3t1 < 0, concluímos que: t1 > 4 (3)
En la desigualdad (2), t1 – 6 < 0 por tanto t1 < 6 (4)
Como t1 debe satisfacer (3) y (4), el intervalo de optimalidad está dado por:
4 < t1 < 6
cj – zj > 0 c j – zj < 0 cj – zj > 0
← – – – – – – – [– – – – – – – – – – – – ]– – – – – – – →
No es Óptimo 4 t1 6 No es Óptimo
Óptimo
a cero, y así decidir si es óptimo el problema o no. Calculemos la tabla simplex final
después de reducir a US$ 4 el valor de t1.
x1 x2 h1 h2 h3
Base cj 4 6 0 0 0 bi
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.
x1 x2 h1 h2 h3
Base cj 3 6 0 0 0 bi
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
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
F. SOLER, F. MOLINA, L. ROJAS 443
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
Base cj 5 6 0 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 −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
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
F. SOLER, F. MOLINA, L. ROJAS 445
x1 x2 h1 h2 h3
Base cj 5 6 0 0 0 bi
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
≤ →
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.
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
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.
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
∆ b1 > – 30
3 ⇒ ∆ b1 > – 10 (4)
5 ∆ b1 < 30 ⇒ ∆ b1 < 6 (5)
2 ∆ b1 < 50 ⇒ ∆ b1 < 25 (6)
B -------- ∆ b 1
---- B
← -------------------------|/////////////////////////////////|--------- →
– 10 6 25
448 ALGEBRA LINEAL
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
x1 x2 h1 h2 h3
Base cj 5 6 0 0 0 bi
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
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.
Problema Problema
Primal Dual
450 ALGEBRA LINEAL
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
...
...
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
...
...
...
A=
LM 1 1 OP
0
N−1 2 1Q
452 ALGEBRA LINEAL
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
F. SOLER, F. MOLINA, L. ROJAS 453
1 Q
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
y1 y2 y3 h1 h2 a1 a2 bi bi / a1i
i
a1 − M 1 3 2 −1 0 1 0 5 5
a2 − M 1 2 3 0 −1 0 1 6 6
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
y1 − – 80 1 3 2 −1 0 0 5 −5
a2 − – M 0 −1 1 1 −1 1 1 1
cj − zj 0 20 – M −50 + M M – 80 −M 0
y1 y2 y3 h1 h2 bi bi / ai 3
y1 − – 80 1 2 3 0 −1 6 2
h1 −– 0 0 −1 1 1 −1 1 1
cj − zj 0 −60 30 0 −80 0
y1 y2 y3 h1 h2 bi
y1 − – 80 1 5 0 −3 +2 3
y3 − – 210 0 −1 1 1 −1 1
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.
F. SOLER, F. MOLINA, L. ROJAS 457
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:
INTERPRETACIÓN ECONÓMICA
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.
F. SOLER, F. MOLINA, L. ROJAS 459
• 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
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)
F. SOLER, F. MOLINA, L. ROJAS 461
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:
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
′ ′′
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
1. Considere el siguiente problema de programación lineal:
Maximizar : Z = 3x1 + 6x2
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.
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.
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
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 −−−
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 −−−
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:
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
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
F. SOLER, F. MOLINA, L. ROJAS 469
Seleccionamos la opción: ,
Intervalos de optimalidad
de x1 y x2
Intervalos de factibilidad
de b1, b2 y b3
y obtenemos el cuadro:
F. SOLER, F. MOLINA, L. ROJAS 473
y obtenemos el cuadro:
474 ALGEBRA LINEAL
Paso 9. Para mostrar el problema dual regresamos a la matriz de datos del problema
primal, haciendo clic sobre el botón .
F. SOLER, F. MOLINA, L. ROJAS 475
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.
F. SOLER, F. MOLINA, L. ROJAS 477
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
Introducción
Objetivos
Figura 8.1
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
Tabla 8.1
F. SOLER, F. MOLINA, L. ROJAS 485
Centro de
Cartagena S. Marta S. Andrés Medellín
distribución
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:
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
Esta en el computador de
yolanda como hoja sola en
magda rocío
F. SOLER, F. MOLINA, L. ROJAS 487
Ejemplo:
Orígen Destino
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
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
F. SOLER, F. MOLINA, L. ROJAS 489
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:
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
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.
F. SOLER, F. MOLINA, L. ROJAS 491
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
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
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.
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.
F. SOLER, F. MOLINA, L. ROJAS 493
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
Cartagena St. Marta S. Andrés Medellín
origenorigen
2 1 5 3
100 100
Cali
7 4 1 8
Origen
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.
F. SOLER, F. MOLINA, L. ROJAS 495
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
Cartagena St. Marta S. Andrés Medellín
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
Celda Índice de
no básica Trayectorias Cálculo mejoramiento
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
F. SOLER, F. MOLINA, L. ROJAS 499
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
Cartagena St. Marta S. Andrés Medellín
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
Índice de
Celda no básica Trayectorias Cálculo mejoramiento
Oferta
Cartagena St. Marta S. Andrés Medellín
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
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
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
Tabla 8.14
7 4 1 8 0 200
B/quilla
3 2 8 5 0 125
Bogotá
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:
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
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)
F. SOLER, F. MOLINA, L. ROJAS 505
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:
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
3 2 8 5 0 125
Bogotá 45 10 50 20
Tabla 8.17
Tabla de costos I
El costo total es US$ 675, nuevamente calculamos los índices de mejoramiento para
las celdas vacias:
x11, x13, x14, x15, x21, x22, x24, x33
F. SOLER, F. MOLINA, L. ROJAS 507
El único índice de mejoramiento negativo que queda es –1, de la celda x14 por lo tanto
la nueva reasignación es:
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
Tabla 8.18
508 ALGEBRA LINEAL
Tabla de costos II
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
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.
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
Aspirantes
1 15 18 16 10
2 14 17 17 8
3 15 19 23 17
4 20 14 16 17
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
F. SOLER, F. MOLINA, L. ROJAS 513
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.
Modelo de asignación
xij =
RS1, si el director i se asigna al tema j
T0, en otro caso
Minimizar : Z = 15x11 + 18x12 + 16x13 + 10x14 + 14x21 + 17x22 + 17x23 + 8x24 + 15x31
+ 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
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
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
F. SOLER, F. MOLINA, L. ROJAS 517
Tabla 8.22
5 8 4 0
6 9 7 0
0 4 6 2
6 0 0 3
Tabla 8.23
PRUEBA DE OPTIMALIDAD
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.
Tabla 8.25
F. SOLER, F. MOLINA, L. ROJAS 519
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.
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.
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
Matriz reducida
Asignación final
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.
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
1 2 3
nodo origen nodo transbordo nodo destino
Bodegas y almacenes
Cartagena Montería
Cali
3 2
Popayan
4 1
Bogotá
3 4
F. SOLER, F. MOLINA, L. ROJAS 523
Cartagena
500 2 7 900
Popayan Panamá
5
Montería
700 3 8 500
Bogotá Perú
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)
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
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
Modelo planteado
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
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 C F G
1 2 4 5 6
8 3 3 6
D
4
F. SOLER, F. MOLINA, L. ROJAS 529
A
1 2
8
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.
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
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
B [8, 10]
3
2
D [8, 12]
4
PTD Tiempo próximo de terminación de D
B [8, 10] E
→ PID: Tiempo próximo
[10, 15] de terminación de D
3
2 5
D [8, 12]
4
532 ALGEBRA LINEAL
D [8, 12]
4
E [10, 15 ]
Se selecciona el mayor
D [8, 12 ]
F. SOLER, F. MOLINA, L. ROJAS 533
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
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
Gráficamente tenemos:
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:
Gráficamente tenemos:
E [10, 15]
3
5 (10, 15)
D [8, 12]
4 (11, 15)
F. SOLER, F. MOLINA, L. ROJAS 535
( Tiempo lejano de
iniciación ) ( = Tiempo lejano de
terminación ) ( –
Tiempo esti-
mado de B )
LIB = LTB – tB
LIB = 10 – 2 = 8
D [8, 12]
4 (11, 15)
B
Se selecciona el menor
2 ( 8, 10)
A C
2
8 (0 , 8 ) 3 ( 9, 12)
D
4 ( 11, 15)
D [8, 12]
4 (11, 15)
F. SOLER, F. MOLINA, L. ROJAS 537
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.
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
F. SOLER, F. MOLINA, L. ROJAS 539
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
C G
4
4 4
( Tiempo próximo de
terminación ) ( = Tiempo
estimado ) (
+
Tiempo próximo de
iniciación )
PT = t + PI
540 ALGEBRA LINEAL
C [0, 4] G [4, 8]
4
4 4
C [0, 4] G [4, 8]
4
4 (2, 6) 4 (6, 10)
Cronograma de actividades
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
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
1 400
42
30
1 100 1 2 500
36
18
20
28
32
1 300 2 3 800
23
4 700
5. Problema de Transporte. Construya una matriz de transporte con los datos que se
dan a continuación:
x
35 20 5 40 750
y
625
15 10 40 25
z
100
220 A X 280
200
200
400
600
320 B Y 400
400
200
400
600
300 C Z 160
Oferta Demanda
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:
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
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:
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:
64
1 1 1 1
72
78
66
70
1 2 2 1
74
66
74
1 3 74 3 1
F. SOLER, F. MOLINA, L. ROJAS 551
w1 w2 w3 w4
P1 24 21 6 15
P2 18 9 24 30
P3 12 21 27 27
P4 24 30 24 3
Los costos por unidad de transportar los electrodomésticos de los 3 orígenes a los 4
destinos se presentan en la tabla siguiente:
3. Con el mouse hacemos "clic" sobre el botón , para obtener un cuadro de diálogo
donde seleccionamos la opción "Transportation Problem".
F. SOLER, F. MOLINA, L. ROJAS 555
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.
8. Si desea cambiar los nombres de los nodos haga "clic" sobre el botón para
regresar.
10.Seleccione la opción .
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.
3. Con el mouse hacemos "click" sobre el botón , para obtener un cuadro de diálogo
Problema de PERT/CPM
Consideremos el proyecto de la encuesta estadística desarrollado anteriormente.
cómoda.
568 ALGEBRA LINEAL
8. Para obtener la Red del problema, hacemos "clic" sobre en el menú princi-
pal.
10.Finalmente obtenemos la Red del problema junto con los cálculos de la Ruta Crítica
sobre los nodos.
F. SOLER, F. MOLINA, L. ROJAS 571
RESUMEN
GLOSARIO
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
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))
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
67 77 112
19) 82.000 20)
38 71 76
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
125
150
33) A • B = [ 20 30 50 ] • = 1.700
200
F. SOLER, F. MOLINA, L. ROJAS 577
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
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 − 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
EJERCICIOS COMPLEMENTARIOS
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
F. SOLER, F. MOLINA, L. ROJAS 579
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
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
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
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.
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
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
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
F. SOLER, F. MOLINA, L. ROJAS 583
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
EJERCICIOS COMPLEMENTARIOS
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
4. b) x1 = – 1 – 5á – 5 b , x2 = a , x3 = 1 – 3b , x4 = 2 – 4 b , x5 = b
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
F. SOLER, F. MOLINA, L. ROJAS 585
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
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
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
89 89
481,74 469,56
469,57 542,61
9. a) b)
371,74 469,56
581,538
11.
371,538
EJERCICIOS 3.5
3
1. x = 2 y=2 2. x = 3 y=–1 3. x = 0 y=2
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
10 40 20
18. 9
kg. para el canario A, 9
kg canario B, 9
kg. canario C
EJERCICIOS COMPLEMENTARIOS
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
7 1 6 −3 6 −3
14. a) det(A) = (1) – (–2) + (3) =
−1 4 −1 4 7 1
6 −3 1 −3 1 6
b) det(A) = – (–2) + (7) – (1) =
−1 4 3 4 3 −1
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
14.
16.
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)
F. SOLER, F. MOLINA, L. ROJAS 593
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
EJERCICIOS COMPLEMENTARIOS
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.
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
F. SOLER, F. MOLINA, L. ROJAS 595
2.
3.
4.
596 ALGEBRA LINEAL
5.
6.
7.
8.
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
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
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
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
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
x1 x2 h1 h2 h3 h4
bi
Base c j 20 10 0 0 0 0 bi
a1
zj 0 0 0 0 0 0 0
cj − zj 20 10 0 0 0 0 0
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
F. SOLER, F. MOLINA, L. ROJAS 605
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
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
6. a) x1 = 4, x2 = f y Z = 16
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
3. La red es la siguiente:
F. SOLER, F. MOLINA, L. ROJAS 609
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
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
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
F. SOLER, F. MOLINA, L. ROJAS 613
Demanda Oferta
M 225 x 500
N 550 y 750
O 850 z 625
W 250
1875 1875
8) a) x y z Oferta
100 200 200
A 220
9) a) Bogotá
1 800
Alemania
20
1000 1 40
30 Cali
2 400
Francia
24
30
800 1 36
Medellín
3 600
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
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
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
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
F. SOLER, F. MOLINA, L. ROJAS 619
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
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
12
1 1 1 1
28
6
20
30
1 2 2 1
18
18
36
10
1 3 3 1
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
F. SOLER, F. MOLINA, L. ROJAS 623
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
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
F. SOLER, F. MOLINA, L. ROJAS 625
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
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
F. SOLER, F. MOLINA, L. ROJAS 627
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
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