Propiedades de los espacios vectoriales y demas

apuntes referentes al primer corte de la materia

Investigación de Operaciones
Alex Santiago Angel Zambrano
Septiembre 2021

1 Introducción
En el presente trabajo, veremos la definicion de qué es un espacio vectorial, y
las diversas propiedades que tienen estos elementos matemáticos, ası́ como las
operaciones que se realizan con los mismos y algunos ejemplos para demostrar
cada una de las propiedades descritas en este trabajo.

2 Definición de espacio vectorial

Un espacio vectorial, es un conjunto no vacı́o Qº, cuyos elementos son vectores,
en el que se definen dos operaciones, la suma de vectores y el producto por un
escalar. estos espacios obedecen a 11 axiomas que veremos a continuación:
Para la explicación de los distintos axiomas se utilizará el espacio vectorial: Qº
como [(1,2), (3,5), (3,-1), (4,7), (8,-6)]

2.1 La suma es una operación interna: v + u ∈ Q

En esta propiedad vemos como la adición de vectores es un proceso interno entre
elementos pertenecientes en el espacio vectorial Qº Ejemplos:
• ~v = (1, 2) ~u = (3, 5)

~ u = ((1 + 3), (2 + 5))

v+

~ u = (4, 7)
v+

• ~v = (1, 2) ~u = (3, −1)

~ u = ((1 + 3), (2 + (−1)))

v+

~ u = (4, 1)
v+

1
 • ~v = (3, 5) ~u = (4, 7)

~ u = ((3 + 4), (5 + 7))

v+

~ u = (7, 12)
v+

• ~v = (1, 2) ~u = (3, 5)

~ u = ((1 + 3), (2 + 5))

v+

~ u = (4, 7)
v+

• ~v = (3, −1) ~u = (8, −6)

~ u = ((3 + 8), ((−1) + (−6))

v+

~ u = (11, -7)
v+

2.2 La suma es conmutativa: v + u → u + v

En esta propiedad vemos como la adición de vectores es un proceso conmutativo
entre elementos pertenecientes en el espacio vectorial Qº, en el cual no importa el
orden de la operación el resultado será el mismo siempre y cuando los elementos
sean los mismos. Ejemplos:

• ~v = (1, 2) ~u = (3, 5)

~ u = ((1 + 3), (2 + 5))

v+

~ u = (4, 7)
v+

~ v = ((3 + 1), (5 + 2))

u+

~ v = (4,7)
u+

• ~v = (1, 2) ~u = (3, −1)

~ u = ((1 + 3), (2 + (−1)))

v+

~ u = (4, 1)
v+

~ v = ((3 + 1), ((−1) + 2)

u+

~ v = (4,1)
u+

• ~v = (3, 5) ~u = (4, 7)

2
 ~ u = ((3 + 4), (5 + 7))
v+

~ u = (7, 12)
v+

~ v = ((4 + 3), (7 + 5))

u+

~ v = (7,12)
u+

• ~v = (3, −1) ~u = (4, 7)

~ u = ((3 + 4), ((−1) + 7))

v+

~ u = (7,6)
v+

~ v = ((4 + 3), (7 + (−1))

u+

~ v = (7,6)
u+

• ~v = (4, 7) ~u = (8, −6)

~ u = ((4 + 8), (7 + (−6))

v+

~ u = (12, 1)
v+

~ v = ((8 + 4), ((−6) + 7)

u+

~ v = (12, 1)
u+

2.3 La suma es asociativa: v+(u+w) → (v+u)+w → v+u+w

En esta propiedad vemos como la adición de vectores es un proceso conmutativo
entre elementos pertenecientes en el espacio vectorial Qº, en el cual no importa
el orden ni la forma de asociar los elementos de la operación el resultado será el
mismo siempre y cuando los elementos sean los mismos. Ejemplos:

• ~u = (1, 2) ~v = (3, 5) w ~ = (3, −1)

u + v~ + w = ((1 + 3 + 3), (2 + 5 + (−1)))
u + v~ + w = (7,6)
u + (v~ + w) = (1, 2) + ((3 + 3), (5 + (−1)))
u + (v~ + w) = (1, 2) + (6, 4)
u + (v~ + w) = ((1 + 6), (2 + 4))
u + (v~ + w) = (7,6)
~ + w = ((1 + 3), (2 + 5)) + (3, (−1))
(u + v)
~ + w = (4, 7) + (3, (−1))
(u + v)

3
 ~ + w = ((4 + 3), (7 + (−1)))
(u + v)
~ + w = (7,6)
(u + v)

• ~u = (1, 2) ~v = (3, 5) w ~ = (4, 7)

u + v~ + w = ((1 + 3 + 4), (2 + 5 + 7)
u + v~ + w = (8,14)
u + (v~ + w) = (1, 2) + ((3 + 4), (5 + 7)
u + (v~ + w) = (1, 2) + (7, 12)
u + (v~ + w) = ((1 + 7), (2 + 12))
u + (v~ + w) = (8,14)
~ +w
(u + v) = ((1 + 3), (2 + 5)) + (4, 7)
~ +w
(u + v) = (4, 7) + (4, 7)
~
(u + v) + w = ((4 + 4), (7 + 7))
~ +w
(u + v) = (8,14)

• ~u = (3, 5) ~v = (4, 7) w ~ = (8, −6)

u + v~ + w = ((3 + 4 + 8), (5 + 7 + (−6))
u + v~ + w = (15,6)
u + (v~ + w) = (3, 5) + ((4 + 8), (7 + (−6))
u + (v~ + w) = (3, 5) + (12, 1)
u + (v~ + w) = ((3 + 12), (5 + 1))
u + (v~ + w) = (15,6)
~ +w
(u + v) = ((3 + 4), (5 + 7)) + (8, (−6))
~ +w
(u + v) = (7, 12) + (8, (−6))
~ +w
(u + v) = ((7 + 8), (12 + (−6)))
~ +w
(u + v) = (15,6)

• ~u = (3, −1) ~v = (8, −6) w ~ = (1, 2)

u + v~ + w = ((3 + 8 + 1), ((−1) + (−6) + 2)
u + v~ + w = (12,-5)
u + (v~ + w) = (3, −(1)) + ((8 + 1), (−6 + 2))
u + (v~ + w) = (3, (−1)) + (9, −4)
u + (v~ + w) = ((3 + 9)), ((−1) + (−4)))
u + (v~ + w) = (12,-5)
~ +w
(u + v) = ((3 + 8), ((−1) + (−6))) + (1, 2)
~ +w
(u + v) = (11, −7) + (1, 2)
~ +w
(u + v) = ((11 + 1), ((−7) + 2))
~ +w
(u + v) = (12,-5)

• ~u = (8, −6) ~v = (3, 5) w ~ = (4, 7)

u + v~ + w = ((8 + 3 + 4), ((−6) + 5 + 7)

4
 u + v~ + w = (15,6)
u + (v~ + w) = (8, (−6)) + ((3 + 4), (5 + 7)
u + (v~ + w) = (8, (−6)) + (7, 12)
u + (v~ + w) = ((8 + 7), ((−6) + 12))
u + (v~ + w) = (15,6)
~ +w
(u + v) = ((8 + 3), ((−6) + 5)) + (4, 7)
~ +w
(u + v) = (11, (−1)) + (4, 7)
~ +w
(u + v) = ((11 + 4), ((−1) + 7))
~ +w
(u + v) = (15,6)

2.4 Elemento neutro de la suma: v + 0 = 0 → 0 + v = 0

En esta propiedad vemos como la adición de vectores obedece al concepto de
elemento neutro, en este caso represantodo por un vector nulo cuyo valor es
cero, ya que al adicionarlo con otro vector no afecta la cantidad ni los elementos
del mismo. Ejemplos:

• ~u = (1, 2)
u+~ 0 = (1, 2) + (0, 0)
u+~ 0 = ((1 + 0), (2 + 0))
u+~ 0 = (1,2)

• ~u = (3, 5)
u+~ 0 = (3, 5) + (0, 0)
u+~ 0 = ((3 + 0), (5 + 0))
u+~ 0 = (3,5)

• ~u = (3, (−1))
u+~ 0 = (3, (−1)) + (0, 0)
u+~ 0 = ((3 + 0), ((−1) + 0))
u+~ 0 = (3,(-1))

• ~u = (4, 7)
u+~ 0 = (4, 7) + (0, 0)
u+~ 0 = ((4 + 0), (7 + 0))
u+~ 0 = (4,7)

• ~u = (8, (−6))
u+~ 0 = (8, (−6)) + (0, 0)
u+~ 0 = ((8 + 0), ((−6) + 0))
u+~ 0 = (8,(-6))

5
2.5 Elemento inverso de la suma: v + v 0 = 0
En esta propiedad podemos observar como la adicion de un vector con su in-
verso aditivo nos da como resultado cero, ya que al ser complementarios, sus
elementos se cancelaran dando como resultado cero. Este inverso aditivo se
puede representar de dos maneras: u’ y (-u). Ejemplos:

• ~u = (1, 2) −u~ = ((−1), (−2))

~
u + (−u) = ((1 + (−1)), (2 + (−2)))
u + ~(−u) = (0,0) = 0

• ~u = (3, 5) −u~ = ((−3), (−5))

~
u + (−u) = ((3 + (−3)), (5 + (−5)))
u + ~(−u) = (0,0) = 0

• ~u = (3, (−1)) −u ~ = ((−3), 1)

u + ~(−u) = ((3 + (−3)), ((−1) + 1))
u + ~(−u) = (0,0) = 0

• ~u = (4, 7) −u ~ = ((−4), (−7))

u + ~(−u) = ((4 + (−4)), (7 + (−7)))
u + ~(−u) = (0,0) = 0

• ~u = (8, (−6)) −u ~ = ((−8), 6)

u + ~(−u) = ((8 + (−8)), ((−6) + 6))
u + ~(−u) = (0,0) = 0

2.6 El producto de un vector por un escalar produce un

vector: c · v ∈ V
En esta propiedad podemos ver como el producto de multiplicar un numero
escalar por un vector nos da como resultado un vector que pertenecerá al espacio
vectorial del vector (Qº). Ejemplos:

• ~u = (1, 2) c = 5
c ~· v = ((1 ∗ 5), (2 ∗ 5))
c ~· v = (5,10)

• ~u = (3, 5) c = 10
c ~· v = ((3 ∗ 10), (5 ∗ 10))

6
 c ~· v = (30,50)

• ~u = (3, (−1)) c = 6
c ~· v = ((3 ∗ 6), ((−1) ∗ 6))
c ~· v = (18, (-6))

• ~u = (4, 7) c = 0.5
c ~· v = ((4 ∗ 0.5), (7 ∗ 0.5))
c ~· v = (2,(3.5))

• ~u = (8, (−6)) c = 4
c ~· v = ((8 ∗ 4), ((−6) ∗ 4))
c ~· v = (32,(-24))

2.7 Propiedad distributiva de un escalar en relacion con

~ v → c · ~u + c · ~v
una suma de vectores: c · u +
En esta propiedad vemos la equivalencia de realizar la operacion de multiplicar
un numero escalar por una suma de vectores, junto con el proceso de multi-
plicar este numero escalar por cada uno de los vectores, para luego sumar estos
resultados, siendo estos dos procesos equivalentes y con resultados identicos.
Ejemplos:

• ~u = (1, 2) ~v = (3, 5) c = 8
c · (u~ + v) = 8 ∗ ((1 + 3), (2 + 5))
c · (u~ + v) = 8 ∗ (4, 7)
c · (u~ + v) = (32,56)
c ~· ~u = 8 ∗ (1, 2)
c ~· ~u = (8, 16)
c ~· ~v = 8 ∗ (3, 5)
c ~· ~v = (24, 40)
~ (c · ~vv) = (8, 16) + (24, 40)
(c · ~u) +
~ (c · ~vv) = ((8 + 24), (16 + 40))
(c · ~u) +
~
(c · ~u) + (c · ~vv) = (32,56)

• ~u = (3, 5) ~v = (3, (−1)) c = 2

c · (u~ + v) = 2 ∗ ((3 + 3), (5 + (−1)))
c · (u~ + v) = 2 ∗ (6, 4)
c · (u~ + v) = (12,8)
c ~· ~u = 2 ∗ (3, 5)

7
 c ~· ~u = (6, 10)
c ~· ~v = 2 ∗ (3, (−1))
c ~· ~v = (6, (−2))
~ (c · ~vv) = (6, 10) + (6, (−2))
(c · ~u) +
~ (c · ~vv) = ((6 + 6), (10 + (−2)))
(c · ~u) +
~ (c · ~vv) = (12,8)
(c · ~u) +

• ~u = (1, 2) ~v = (4, 7) c = 3
c · (u~ + v) = 3 ∗ ((1 + 4), (2 + 7))
c · (u~ + v) = 3 ∗ (5, 9)
c · (u~ + v) = (15,27)
c ~· ~u = 3 ∗ (1, 2)
c ~· ~u = (3, 6)
c ~· ~v = 3 ∗ (4, 7)
c ~· ~v = (12, 21)
~ (c · ~vv) = (3, 6) + (12, 21)
(c · ~u) +
~
(c · ~u) + (c · ~vv) = ((3 + 12), (6 + 21))
~ (c · ~vv) = (15,27)
(c · ~u) +

• ~u = (3, 5) ~v = (8, (−6)) c = 5

c · (u~ + v) = 5 ∗ ((3 + 8), (5 + (−6)))
c · (u~ + v) = 5 ∗ (11, (−1))
c · (u~ + v) = (55,(-5))
c ~· ~u = 5 ∗ (3, 5)
c ~· ~u = (15, 25)
c ~· ~v = 5 ∗ (8, (−6))
c ~· ~v = (40, (−30))
~ (c · ~vv) = ((15, 25)) + (40, (−30))
(c · ~u) +
~ (c · ~vv) = ((15 + 40), (25 + (−30)))
(c · ~u) +
~
(c · ~u) + (c · ~vv) = (55,(-5))

• ~u = (3, −1) ~v = (8, (−6)) c = 4

c · (u~ + v) = 4 ∗ ((3 + 8), ((−1) + (−6)))
c · (u~ + v) = 4 ∗ (11, (−7))
c · (u~ + v) = (44,(-28))
c ~· ~u = 4 ∗ (3, (−1))
c ~· ~u = (12, (−4))
c ~· ~v = 4 ∗ (8, (−6))
c ~· ~v = (32, (−24))
~ (c · ~vv) = (12, (−4)) + (32, (−24))
(c · ~u) +

8
 ~ (c · ~vv) = ((12 + 32), ((−4) + (−24)))
(c · ~u) +
~ (c · ~vv) = (44,(-28))
(c · ~u) +

2.8 Propiedad distributiva de un vector en torno a una

suma de numeros escalares: (c + d) · ~u → c · ~u + d · ~u
En esta propiedad vemos la equivalencia de dos operaciones, el producto de una
suma de escalares por un vector, y la suma del producto de cada uno de estos
escalares por el vector en cuestion, con lo cual se obtiene un resultado identico
al ser dos operaciones equivalentes entre sı́. Ejemplos:

• ~u = (1, 2) c = 5 d = 2
(c +~d) · ~u = (5 + 2) ∗ (1, 2)
(c +~d) · ~u = 7 ∗ (1, 2)
(c +~d) · ~u = (7,14)
c ~· ~u = 5 ∗ (1, 2)
c ~· ~u = (5, 10)
d ~· ~u = 2 ∗ (1, 2)
d ~· ~u = (2, 4)
~
(c ~· ~u) + (d ~· ~uu
) = (5, 10) + (2, 4)
~ ~ ~
(c · ~u) + (d · ~uu ) = ((5 + 2), (10 + 4))
~ ~ ~
(c · ~u) + (d · ~uu ) = (7,14)

• ~u = (3, 5) c = 4 d = 3
(c +~d) · ~u = (4 + 3) ∗ (3, 5)
(c +~d) · ~u = 7 ∗ (3, 5)
(c +~d) · ~u = (21,35)
c ~· ~u = 4 ∗ (3, 5)
c ~· ~u = (12, 20)
d ~· ~u = 3 ∗ (3, 5)
d ~· ~u = (9, 15)
~
(c ~· ~u) + (d ~· ~uu
) = (12, 20) + (9, 15)
~ ~ ~
(c · ~u) + (d · ~uu ) = ((12 + 9), (20 + 15))
~ ~ ~
(c · ~u) + (d · ~uu ) = (21,35)

• ~u = (3, (−1)) c = 2 d = 4
(c +~d) · ~u = (2 + 4) ∗ (3, (−1))
(c +~d) · ~u = 6 ∗ (3, (−1))
(c +~d) · ~u = (18,(-6))

9
 c ~· ~u = 2 ∗ (3, (−1))
c ~· ~u = (6, (−2))
d ~· ~u = 4 ∗ (3, (−1))
d ~· ~u = (12, (−4))
~
(c ~· ~u) + (d ~· ~uu
) = (6, (−2)) + (12, (−4))
~
(c ~· ~u) + (d ~· ~uu
) = ((6 + 12), ((−2) + (−4)))
~
(c ~· ~u) + (d ~· ~uu
) = (18,(-6))

• ~u = (4, 7) c = 7 d = 6
(c +~d) · ~u = (7 + 6) ∗ (4, 7)
(c +~d) · ~u = 13 ∗ (4, 7)
(c +~d) · ~u = (52,91)
c ~· ~u = 7 ∗ (4, 7)
c ~· ~u = (28, 49)
d ~· ~u = 6 ∗ (4, 7)
d ~· ~u = (24, 42)
~
(c ~· ~u) + (d ~· ~uu
) = (28, 49) + (24, 42)
~ ~ ~
(c · ~u) + (d · ~uu ) = ((28 + 24), (49 + 42))
~ ~ ~
(c · ~u) + (d · ~uu ) = (52,91)

• ~u = (8, (−6)) c = 9 d = 1
(c +~d) · ~u = (9 + 1) ∗ (8, (−6))
(c +~d) · ~u = 10 ∗ (8, (−6))
(c +~d) · ~u = (80,(-60))
c ~· ~u = 9 ∗ (8, (−6))
c ~· ~u = (72, (−54))
d ~· ~u = 1 ∗ (8, (−6))
d ~· ~u = (8, (−6))
~
(c ~· ~u) + (d ~· ~uu
) = (72, (−54)) + (8, (−6))
~ ~ ~
(c · ~u) + (d · ~uu ) = ((72 + 8), ((−54) + (−6)))
~ ~ ~
(c · ~u) + (d · ~uu ) = (80,(-60)

2.9 Propiedad asociativa: c · (d · ~u) → (c · d) · ~u → c · d · ~u

En esta propiedad vemos como el producto de dos numeros escalares por un
vector es conmutativo, es decir, no importa la manera de organizar los factores
de esta operacion, su resultado será el mismo, siempre y cuando los elementos
de dicha operación sean exactamente los mismos. Ejemplos:

10
• ~u = (1, 2) c = 2 d = 5
~ · ~u = (2 ∗ 5) ∗ (1, 2)
(c · d)
~
(c · d) · ~u = (10) ∗ (1, 2)
~ · ~u = (10,20)
(c · d)
c · (d~ · ~u) = 2 ∗ (5 ∗ (1, 2))
c · (d~ · ~u) = 2 ∗ (5, 10)
c · (d~ · ~u) = (10,20)
(c · ~~ ) · ud = (2 ∗ (1, 2)) ∗ 5
(c · ~~ ) · ud = (2, 4) ∗ 5
(c · ~~ ) · ud = (10,20)

• ~u = (3, 5) c = 3 d = 4
~ · ~u = (3 ∗ 4) ∗ (3, 5)
(c · d)
~ · ~u = (12) ∗ (3, 5)
(c · d)
~
(c · d) · ~u = (36,60)
c · (d~ · ~u) = 3 ∗ (4 ∗ (3, 5))
c · (d~ · ~u) = 3 ∗ (12, 20)
c · (d~ · ~u) = (36,60)
(c · ~~ ) · ud = (3 ∗ (3, 5)) ∗ 4
(c · ~~ ) · ud = (9, 15) ∗ 4
(c · ~~ ) · ud = (36,60)

• ~u = (3, (−1)) c = 4 d = 6
~ · ~u = (4 ∗ 6) ∗ (3, (−1))
(c · d)
~ · ~u = (24) ∗ (3, (−1))
(c · d)
~ · ~u = (72,(-24))
(c · d)
c · (d~ · ~u) = 4 ∗ (6 ∗ (3, (−1)))
c · (d~ · ~u) = 4 ∗ (18, (−6))
c · (d~ · ~u) = (72,(-24))
(c · ~~ ) · ud = (4 ∗ (3, (−1))) ∗ 6
(c · ~~ ) · ud = (12, (−4)) ∗ 6
(c · ~~ ) · ud = (72,(-24))

• ~u = (4, 7) c = 5 d = 7
~ · ~u = (5 ∗ 7) ∗ (4, 7)
(c · d)
~
(c · d) · ~u = (35) ∗ (4, 7)
~ · ~u = (140,245)
(c · d)

11
 c · (d~ · ~u) = 5 ∗ (7 ∗ (4, 7))
c · (d~ · ~u) = 5 ∗ (28, 49)
c · (d~ · ~u) = (140,245)
(c · ~~ ) · ud = (5 ∗ (4, 7)) ∗ 7
(c · ~~ ) · ud = (20, 35) ∗ 7
(c · ~~ ) · ud = (140,245)

• ~u = (8, (−6)) c = 6 d = 8
~ · ~u = (6 ∗ 8) ∗ (8, (−6))
(c · d)
~ · ~u = (48) ∗ ((8, (−6)))
(c · d)
~ · ~u = (384,(-288))
(c · d)
c · (d~ · ~u) = 6 ∗ (8 ∗ (8, (−6)))
c · (d~ · ~u) = 6 ∗ (64, (−48))
c · (d~ · ~u) = (384,(-288))
(c · ~~ ) · ud = (6 ∗ (8, (−6))) ∗ 8
(c · ~~ ) · ud = (48, (−36)) ∗ 8
(c · ~~ ) · ud = (384,(-288))

2.10 Elemento modulo del producto: ~u · 1 = ~u

En esta propiedad vemos al elemento modulo del producto de vectores, el cual
al operarlo no realiza ningun ca,bio con el vector multiplicado. Ejemplos:

• ~u = (1,2)
u~· 1 = 1 ∗ (1, 2)
u~· 1 = (1,2)

• ~u = (3,5)
u~· 1 = 1 ∗ (3, 5)
u~· 1 = (3,5)

• ~u = (3,(-1))
u~· 1 = 1 ∗ (3, (−1))
u~· 1 = (3,(-1))

• ~u = (4,7)
u~· 1 = 1 ∗ (4, 7)
u~· 1 = (4,7)

12
 • ~u = (8,(-6))
u~· 1 = 1 ∗ (8, (−6))
u~· 1 = (8,(-6))

2.11 ~
Propiedad de modulo negativo: ~u · (−1) = −u
En esta propiedad, vemos como al multiplicar por el modulo negativo del pro-
ducto cambiamos su signo, generando ası́ un vector negativo.Ejemplos:

• ~u = (1,2)

~
u · (−1) = (−1) ∗ (1, 2)

~
u · (−1) = ((-1),(-2))

• ~u = (3,5)

~
u · (−1) = (−1) ∗ (3, 5)

~
u · (−1) = ((-3),(-5))

• ~u = (3,(-1))

~
u · (−1) = (−1) ∗ (3, (−1))

~
u · (−1) = ((-3),1)

• ~u = (4,7)

~
u · (−1) = (−1) ∗ (4, 7)

~
u · (−1) = ((-4),(-7))

• ~u = (8,(-6))

~
u · (−1) = (−1) ∗ (8, (−6))

~
u · (−1) = ((-8),6)

13
3 ¿Cómo saber en que punto dos rectas se cruzan?
En esta sección veremos el método más común para determinar el punto exacto
en el que dos rectas se cruzan, para lo cual deberemos igualar sus ecuaciones
y determinar el valor de x, para luego tomar una de las ecucaciones dadas y
reemplazar el valor de x para determinar ahora el valor de y. Ejemplos:

• Recta 1: y = 6x + 5
Recta 2: y = 2x + 17

6x + 5 = 2x + 17
6x − 2x = 17 − 5
4x = 12
x = 12
4
x=3

Ahora reemplazamos el valor de x en alguna de las dos ecuaciones:

y = 6(3) + 5
y = 18 + 5
y = 23

Ası́ determinamos el punto de intersección de las dos rectas, el cual, en

este caso, es (3,23)

14
4 ¿Cómo determinar el punto de cruze de dos
rectas?
En el presente apartado, analizaremos la manera de determinar el punto de
corte de dos rectas mediante la aplicación de un sistema de ecuaciones, en el
cual evaluaremos las ecuaciones canónicas de las rectas para encontrar su inter-
sección.
Primer paso: definir las ecuaciones de las rectas a encontrar.

• Recta 1: 2x + 2y − 1 = 0
• Recta 2: −2x + y + 4 = 0

Ahora construiremos nuestro sistema de ecuaciones de la siguiente manera:

2x + 2y − 1 = 0
−2x + y + 4 = 0

Ahora lo que haremos será utilizar uno de los tres metodos de resolucion
de sistemas de ecuaciones (Eliminación, igualación, y sustitución), para este
ejemplo utilizaremos el metodo de eliminación:

2x + 2y − 1 = 0
−2x + y + 4 = 0

0 + 3y + 3 = 0

Ahora resolveremos la ecuación resultante:

3y + 3 = 0
3y = −3
−3
y=
3
y = −1

Al resolver esta ecuación obtenemos la coordenada en el eje y del punto de

intersección, ahora podremos reemplazar este valor en cualquiera de las ecua-
ciones anteriores para determinar la coordenada del eje x, como lo veremos a
continuación:

15
 2x + 2(−1) − 1 = 0
2x − 2 − 3 = 0
2x − 3 = 0
2x = 3
3
x=
2
Con esto, hemos definido el punto de intersección de nuestras rectas en las
coordenadas ((3/2),-1)

5 ¿Como solucionar un sistema de ecuaciones

con matrices?
Para la resolución de sistemas de ecuaciones existe la posibilidad de representar-
las como matrices en funcion del numero de variables, con lo cual debe cumplir
la condición de ser una matriz cuadrada, la cual es aquella que tiene la misma
cantidad de filas que de columnas.
Para esto primero definiremos nuestro sistema de ecuaciones lineales.

x − 3y = 2
x + 5y = 10

Ahora, reescribiremos el sistema en forma de matriz, donde tendremos una

matriz de coeficientes, multiplicada por una matriz con las incognitas y dejare-
mos los resultados en una matriz separada, de la siguiente manera:
     
1 −3 x 2
· =
1 5 y 10
Ahora, como primer paso definiremos el determinante de la matriz de coefi-
cientes que hemos construido, para lo cual nos valdremos de la regla de sarrus,
la cual consiste en duplicar las dos primeras filas para sacar el determinante.
 
1 −3
1 5
Ahora determinaremos el valor de cada una de las diagonales principales,
para esto multiplicaremos los elementos de cada una de las diagonales de la
siguiente manera:

(1 ∗ 5) − (1 ∗ (−3))
5+3
8

16
 Una vez hallado el determinante de la matriz de coeficientes, procedemos
a aplicar la ley de Cramer, con la cual, ahora hallaremos el determinante de
la matriz coeficiente pero con la primera columna cambiada por la matriz de
resultados, de la siguiente manera:
 
2 −3
10 5

(2 ∗ 5) − (10 ∗ (−3))
10 + 30
40

Con el procedimiento anterior podemos definir el valor para x, dividiendo el

determinante de la matriz de x (la matriz con la primera columna reemplazada
con la matriz de resultados) entre el determinante de la matriz de coeficientes,
de la siguiente manera:

DM atrizdex
x=
DM atrizdecoef icientes

40
x=
8
x=5

Como siguiente paso, vamos a definir nuestra matriz y, para esto, tomaremos
nuestra matriz de coeficientes y reemplazaremos la columna numero dos con la
matriz de resultados, como se muestra a continuación:
 
1 2
1 10

(1 ∗ 10) − (1 ∗ 2)
10 − 2
8

Ahora, una vez definido el determinante de la matriz y. podemos calcular el

valor de y aplicando la regla de Cramer, de la siguiente manera:

DM atrizdey
y=
DM atrizdecoef icientes

17
 8
y=
8
y=1

Con estos datos podremos comprobar los valores de nuestras incognitas, de

la siguiente manera:

x − 3y = 2
5 − 3(1) = 2
2=2

Con el anterior procedimiento, estamos verificando la veracidad de los datos

obtenidos.

5.1 Metodo de Gauss-Jordan

Este es un metodo con el cual se puede encontrar la solución para un sistema de
ecuaciones, hallando su matriz inversa en el proceso y logrando la determinacion
del valor de cada una de las variables involucradas.
Este metodo recibe su nombre del matematico Carl Friedrich Gauss y de
Wilhem Jordan.
Pasos:

• Primero definiremos nuestro sistema de ecuaciones

5x + 2y = 3
−3x + 3y = 15

• Ahora definiremos la matriz ampliada de nuestro sistema

 
5 2 | 3
−3 3 | 15

• Ahora transformaremos nuestra primera columna en 1 con las operaciones

elementales, para ello multiplicaremos la primera fila por (1/5) y la se-
gunda fila por (1/3), de la siguiente manera:

5( 51 ) 2( 15 ) | 3( 15 )
 

−3( 13 ) 3( 13 ) | 2( 13 )

18
 ( 25 ) | ( 35 )
 
1
−1 1 | 5

• Ahora sumamos la primera fila con la segunda fila:

1 ( 52 ) | ( 35 )
 

0 ( 57 ) | ( 28
5 )

• Ahora multiplicamos la segunda fila por (5/7):

( 25 ) | ( 35 )
 
1
0 1 | 4

• Ahora multiplicamos la segunda fila por (-2/5) y la sumamos a la fila 1.

( 25 ) | ( 35 )
 
1
0 ( −2 −8
5 ) | ( 5 )

 
1 0 | −1
0 1 | 4

• Con esto habremos determinado el valor de nuestras incognitas

– x = −1
– y=4

6 Representación de restricciones en un prob-

lema de optimización lineal
Al momento de definir un ejemplo de optimización lineal, es bien sabido que se
deben tener en cuenta varios factores dentro de la concepción del mismo, como
son la cantidad de variables y las restricciones de negocio que se imponen para
maximizar los resultados propios de cada proceso.
En este caso nos centraremos en un problema de dos variables, con las cuales
se nos presentan las siguientes restricciones de negocio:

• x + 2y6
• 2x + y8
• −x + y1

19
 • y=2
• x>0
• y>0

estas restricciones obedecen a conceptualizaciones matematicas de situa-

ciones reales, en las cuales se describen por medio de inecuaciones los limites
que debe tener cada escenario considerado. Para facilitar la comprensión de
estas, se puede realizar una grafica como la siguiente:

Con esta grafica definimos un elemento llamado reginón factible, la cual es

la zona mas oscura de la grafica, dentro de esta encontramos todos los valores
viables para la resolucion de nuestras restricciones, con lo cual tendremos un
amplio espectro de posibles soluciones. Pero, al ser una situación de maxi-
mización, nos valdremos de nuestros vertices como posibles valores maximos y
minimos de resolución de nuestras restricciones.

7 Determinación de punto optimo

Para poder determinar el punto optimo de maximización, lo que haremos será
determinar los vertices que encierran a nuestra region factible:

Vertices:

• (0,0)
• (0,1)

20
 • (1,2)
• (2,2)
• (0,4)
• (10/3),(4/3))

Ahora lo unico que debemos hacer es reemplazar cada una de estas solu-
ciones optimas candidatas en nuestra funcion objetivo (Z = 3x + 2y).

Reemplazos:

• Z = 3(0) + 2(0)
Z=0
• Z = 3(0) + 2(1)
Z =0+2
Z=2

• Z = 3(1) + 2(2)
Z =3+4
Z=7

• Z = 3(0) + 2(4)
Z =0+8
Z=8

• Z = 3(10/3) + 2(4/3)
Z = 10 + 2.666
Z = 12.666

Como vemos, el resultado mayor de la serie de reemplazos es 12.666, este

valor corresponde a la maximización referente al vertice que corresponde a la
solución optima del problema.

21