Tipos de solución de un S.E.L.

(m,n)
7
Introducción
Fundamentados los algoritmos de reducción, nuestro trabajo se centra ahora en la interpreta-
ción de los resultados que ellos nos muestran, para hacer una lectura exacta de éstos y
caracterizar los tipos de solución que pueden presentarse, como también identificar los
términos que inciden en los tipos de solución e introducir, en determinados problemas,
Wilhelm Jordan
coeficientes variables a fin de condicionar los resultados.
Matemático alemán nacido en 1842 y fallecido en 1899.
Asistió a la Universidad en Stuttgart y en 1868 se convirtió
Objetivos del módulo en profesor de tiempo completo de geodesia en la Escuela
Técnica de Karlsruhe. Participó en la medición de varias
1. Analizar, a partir de la teoría, los resultados arrojados por el método de reducción de regiones de Alemania. Jordan fue un prolífico autor cuya
obra principal, Handbuch der vermessungskunde (manual
Gauss-Jordan.
de geodesia), fue traducida al francés, al italiano y al ruso.
2. Caracterizar un sistema inconsistente y un sistema consistente.
3. Observar en los sistemas consistentes cómo los tipos de solución están en función del Fue considerado un magnífico autor y un excelente maestro.
número de variables y del rango fila de la matriz escalonada reducida. Por desgracia, el conocido método de reducción de Gauss-
4. Mostrar modelos, con situaciones reales o muy próximas a la realidad, que tienen como Jordan ha sido atribuido a Camille Jordan (1838-1922).
aplicación el planteamiento y la solución de sistemas de ecuaciones lineales, introduciendo Además, parece que dicho método fue descubierto también,
orientaciones metodológicas precisas para su tratamiento. de manera independiente y en la misma época, por B. I.
Clasen, sacerdote que trabajaba en Luxemburgo.

Preguntas básicas
1. ¿Qué es un sistema equivalente reducido?
2. ¿Qué es el rango fila de una matriz escalonada reducida?
3. ¿Qué es una variable principal y qué es un parámetro?
4. ¿Cuándo un sistema es inconsistente? ¿Cuándo un sistema es consistente?
5. ¿Qué tipos de solución puede presentar un S.E.L.(m,n)? ¿De quién depende finalmente el
tipo de solución?
6. En un modelo particular, ¿cómo se obtiene el conjunto solución del problema?
7. En un problema particular, ¿el conjunto de soluciones del problema es igual siempre al
conjunto de soluciones del sistema?

Contenidos del módulo

7.1 Tipos de solución que puede presentar un S.E.L.(m,n)
7.1.1 Anotaciones en torno a la interpretación de resultados obtenidos por la
aplicación del algoritmo de Gauss-Jordan
7.1.2 Tipos de solución que puede presentar un S.E.L.(m,n)
7.2 Problemas aplicados

Vea el módulo 7 del programa de

televisión Geometría vectorial y analítica

Geometría vectorial y analítica 101

Capítulo 2: Álgebra matricial y sistemas de ecuaciones lineales
7.1 Tipos de solución que puede presentar un S.E.L.(m,n)
7.1.1 Anotaciones en torno a la interpretación de resultados obtenidos por la
aplicación del algoritmo de Gauss-Jordan

Dado un S.E.L.(m,n), sean:

C = ⎡ A B ⎤ la matriz aumentada.
⎣ ⎦

E = ⎡ A ' B '⎤ la matriz escalonada reducida obtenida a partir de C.

⎣ ⎦

La matriz A ' tiene:

1. γ filas no nulas (γ ≥ 1). Este valor lo llamaremos rango fila de A´ y, en

consecuencia, 1 ≤ γ ≤ m .

2. Las restantes m − γ filas son nulas.

3. Asociado a cada uno principal, hay una variable que llamaremos variable
principal, luego el número de variables principales es igual a γ y, en
consecuencia, γ ≤ n (¿por qué?).

4. Cada variable principal aparece sólo una vez en el sistema equivalente reducido
(¿por qué?).

5. Las restantes n − γ variables se denominan parámetros.

7.1.2 Tipos de solución que puede presentar un S.E.L.(m,n)

Las proposiciones siguientes nos permiten precisar totalmente los tipos de solu-
ción que pueden darse en los sistemas de ecuaciones lineales y cuáles son exacta-
mente las condiciones que los determinan.

Teorema 5

Un S.E.L.(m,n) es inconsistente si la matriz E asociada tiene al menos una fila en la

cual todos los elementos son iguales a cero, salvo el último; esto es,
0 = bi ∧ bi ≠ 0 →← y, en consecuencia, S = ∅ . En caso contrario el sistema es
consistente y S ≠ ∅ .

Teorema 6

Dado un S.E.L.(m,n) consistente, γ el rango de fila de E, se tiene:

1. Si γ < n , el sistema tiene infinitas soluciones, expresadas en función de

n − γ parámetros.

2. Si γ = n, el sistema tiene solución única.

102
 Módulo 7: Tipos de solución de un S.E.L.(m, n)
3. Si m < n, el sistema tiene infinitas soluciones, porque como γ ≤ m ∧ m < n,
entonces γ < n.

Teorema 7

Un S.E.L.(m,n) tiene solución única si y sólo si A' = I ( n , n ) . (Demuéstrelo).

Corolarios

1. Todo sistema homogéneo es consistente.

2. Todo sistema homogéneo en el cual n > m, tiene infinitas soluciones.

3. Un sistema es inconsistente si el rango fila de A´ es menor que el rango de

fila de E.

Demuestre cada corolario.

Ilustración 17

Dado el S.E.L.(3,5)
(1) 3 y − 6 z + 6v + 4t = − 5.
(2) 3x − 7 y + 8z − 5v + 8t = 9.
(3) − 3x + 9 y − 12 z + 9v − 6t = −15.

La matriz equivalente reducida es:

⎡(1) 0 −2 3 0 −24 ⎤
⎢ ⎥
E = ⎢ 0 (1) −2 2 0 −7 ⎥
⎢0 0 (verifique el proceso de reducción)
⎣ 0 0 (1) 4 ⎥⎦
(3,6)

Determinemos:

1. m y n en el sistema inicial.
2. γ : rango fila de E.
3. Las variables principales y los parámetros.
4. El sistema equivalente reducido.
5. El conjunto solución del S.E.L.
6. Tres soluciones particulares.

Solución

1. m = 3 y n = 5.
2. γ = 3.
3. Variables principales: x, y, t. Parámetros: z, v.

Geometría vectorial y analítica 103

Capítulo 2: Álgebra matricial y sistemas de ecuaciones lineales
4. Sistema equivalente reducido.
(1) 1x − 2 z + 3v = −24.
(2) 1 y − 2 z + 2v = − 7.
(3) 1t = 4.
5. Conjunto solución.

Despejando ordenadamente las variables principales y destacando los

parámetros, tenemos:

(1) x = − 24 + 2 z − 3v ⎫
(2) y = − 7 + 2 z − 2v ⎪⎪
⎪
(3) z= z ⎬ z, v ∈
(4) v= v⎪
⎪
(5) t=4 ⎪⎭

Podemos presentar formalmente el conjunto solución así:

S = {( x, y, z, v, t ) / ( x, y , z , v, t ) =
(−24 + 2 z − 3v, − 7 + 2 z − 2v, z , v, 4); z , v ∈ }.

6. Veamos algunas soluciones particulares.

Para z = v = 0, se tiene la solución (–24, –7, 0, 0, 4).

Para z = 0 y v = 1, se tiene la solución (–27, –9, 0, 1, 4).
Para z = 1/2 y v = 3, se tiene la solución (–32, –12, 1/2, 3, 4).

7.2 Problemas aplicados

Modelo 1: Un problema de planeación académica

Una institución universitaria ofrece cursos compartidos a los estudiantes del primer
nivel de tres programas diferentes, en las asignaturas: Computadores, Geometría y
Álgebra.

Los cupos de cada curso para los estudiantes de los tres programas se indican en el
cuadro siguiente (tabla 7.1), con base en un estudio previo de la capacidad de aulas.

Tabla 7.1

Cursos
Programas Computadores Álgebra Geometría
Programa 1 20 20 10
Programa 2 0 10 10
Programa 3 10 30 25

La universidad ha programado admitir para el próximo semestre el siguiente número

de estudiantes en estos programas:

104
 Módulo 7: Tipos de solución de un S.E.L.(m, n)
Programa 1: 220 estudiantes.
Programa 2: 80 estudiantes.
Programa 3: 270 estudiantes.

Con la información anterior, responda las siguientes preguntas:

1. ¿Cuántos grupos de cada curso se requieren programar, si se quiere atender

a toda la población simultáneamente (en un horario de 8 a 10 a. m.) y cada
grupo debe quedar completo?

2. Si se atiende a un criterio adicional en el sentido de programar el menor

número posible de grupos, obviamente dentro de las condiciones anteriores,
¿cuál es la mejor solución?

3. Si se quiere tener el menor número posible de aulas programadas, pero que

se programen simultáneamente los tres cursos, ¿cuál es la mejor solución?

4. Si la universidad tiene disponibles en ese horario solamente 3 salas de

cómputo y 7 aulas con capacidad para 60 estudiantes, ¿cuál es la mejor
solución?

5. Si la universidad tiene disponible en ese horario 7 salas de cómputo, 4 aulas

de 60 estudiantes y 5 aulas de 45 estudiantes, ¿cuál es la mejor solución?

Solución

Este tipo de problema exige una comprensión total, por el lector, del significado de
cada uno de los términos expuestos; así mismo, de las relaciones que se establecen
entre ellos, para poder traducir correctamente, unos y otras, en las expresiones
matemáticas adecuadas, y proceder en consecuencia a modelar el problema y apli-
car los algoritmos necesarios para obtener las soluciones demandadas.

Por estas razones, proponemos una secuencia de acciones que facilitan la organiza-
ción de la información y el planteamiento de los sistemas que se generan, como su
solución.

Paso 1. Identificación y designación de las variables del problema

Usualmente las variables se identifican porque el problema hace una demanda

explícita sobre las cantidades de un objeto específico que se quiere determinar. En
el problema que estamos analizando, en el primer numeral se pregunta por el número
de grupos de cada curso, constituyéndose en las variables, así:

Designamos por xi el número de grupos de cada curso que se requieren programar,

i = 1, 2, 3, siendo:
x1 = número de grupos de Computadores.
x2 = número de grupos de Álgebra.
x3 = número de grupos de Geometría.

Paso 2. Planteamiento del S.E.L. y determinación del conjunto solución del sistema

Este paso requiere el análisis de toda la información aportada por el problema, de las

Geometría vectorial y analítica 105

Capítulo 2: Algebra matricial y sistemas de ecuaciones lineales
cantidades que intervienen, de las condiciones fijadas, puesto que, identificadas
las variables como lo hicimos en el paso anterior, es la lectura correcta lo que nos
permite hacer una traducción exacta del lenguaje ordinario al modelo matemático
adecuado. En nuestro caso, las ecuaciones que vamos a plantear se originan en las
condiciones establecidas de atender a toda la población simultáneamente y que
cada grupo debe quedar completo.
(1) 20 x1 + 20 x2 + 10 x3 = 220.
(2) 10 x2 + 10 x3 = 80.
(3) 10 x1 + 30 x2 + 25 x3 = 270.

Procedemos a la determinación del conjunto solución del S.E.L(3,3).

⎡ 20 20 10 220⎤ 1 ⎡1 1 1 11 ⎤
2
⎢ 0 10 10 80 ⎥ ⎯⎯⎯⎯⎯⎯ − E1 + E3
→ ⎢⎢0 1 1 8 ⎥⎥ ⎯⎯⎯⎯⎯
E, 1E
⎢ ⎥
20 1 10 2
1
→
E
⎢⎣10 30 25 270⎥⎦ 10 3
⎢⎣1 3 5
2 27 ⎥
⎦

⎡1 1 1 11⎤
2 ⎡1 0 − 1 2 3⎤
⎢0 1 − +
1 8 ⎥⎥ ⎯⎯⎯⎯⎯→ ⎢0 1 1 8 ⎥⎥ .
E 2 E1
⎢ −2 E2 + E3 ⎢
⎢⎣ 0 2 2 16⎥⎦ ⎢⎣0 0 0 0⎥⎦

Sistema equivalente reducido

1
(1) x1 − x3 = 3.
2
(2) x2 + x3 = 8.

1 ⎫
(1) x1 = 3 + x3
2 ⎪
⎪
(2) x2 = 8 − x3 ⎬ x3 ∈
(3) x3 = x3 ⎪
⎪
⎭

⎧ ⎛ 1 ⎞ ⎫
En consecuencia, S = ⎨( x1 , x2 , x3 ) / ( x1 , x2 , x3 ) = ⎜ 3 + x3 , 8 − x3 , x3 ⎟ x3 ∈ ⎬ ,
⎩ ⎝ 2 ⎠ ⎭
lo que nos indica que el sistema tiene infinitas soluciones.

Paso 3. Determinación del conjunto solución del problema

Para el lector desprevenido este paso podría parecer irrelevante, dado que ya se
obtuvo el conjunto solución del sistema planteado. Pero una rápida observación al
conjunto determinado nos obliga a preguntarnos si tiene sentido para el problema
tener, por caso, 5 grupos de Geometría y, en forma análoga, cualquier número real
(racional, irracional, positivo, negativo).

La respuesta es que esto no es posible.

Debemos entonces analizar la naturaleza particular de las variables, que para nues-
tro caso, por designar el número de grupos, lleva implícita unas restricciones, como
son que únicamente pueden tomar valores enteros no negativos. Haciendo explíci-

106
 Módulo 7: Tipos de solución de un S.E.L.(m, n)
tas dichas restricciones, podemos encontrar el intervalo de variación del parámetro,
lo que nos permite determinar el conjunto solución del problema.

Restricciones de las variables: xi ∈ +

∪{0} ; esto es, xi ≥ 0 ∧ xi ∈ .

Volvamos al conjunto solución del sistema y fijemos las restricciones.

1
De (1) x1 ≥ 0, esto es, 3 + x3 ≥ 0 ∴ x3 ≥ −6.
2
De (2) x2 ≥ 0 , esto es, 8 − x3 ≥ 0 ∴ x3 ≤ 8.
De (3) x3 ≥ 0.

La intersección de estas tres desigualdades nos muestra que

0 ≤ x3 ≤ 8 y x3 ∈ .

Sin embargo, debemos acotar aún más este intervalo y restringirlo a los números
pares (¿por qué?).

⎧ ⎫
Así, S' = ⎨( x1 , x2 , x3 ) / ( x1 , x2 , x3 ) = ⎛⎜ 3 + x3 , 8 − x3 , x3 ⎞⎟ y 0 ≤ x3 ≤ 8 ∧ x3 par ⎬ ,
1
⎩ ⎝ 2 ⎠ ⎭
luego S' = {(3, 8, 0), (4, 6, 2), (5, 4, 4), (6, 2, 6), (7, 0, 8)} es el conjunto de so-
luciones del problema.

A partir del conjunto solución del problema podemos determinar las soluciones
específicas, bajo los criterios adicionales, así:

Para el numeral 2, la mejor solución es (3, 8, 0). ¿Por qué?

Para el numeral 3, la mejor solución es (4, 6, 2). ¿Por qué?
Para el numeral 4, no hay solución. ¿Por qué?
Para el numeral 5, la mejor solución es (5, 4, 4). ¿Por qué?

Modelo 2: Un modelo de programación o distribución de actividades en el tiempo

Las actividades de un rumiante pueden clasificarse así: pastar, moverse en busca de

nuevos pastos o para huir de los depredadores, y descansar. La adquisición y el
gasto de calorías en cada actividad se indican en la tabla 7.2.

Tabla 7.2

Energía
Actividad Calorías hora
1. Pastar +200
2. Moverse –150
3. Descansar –50

1. Si se quiere que el número de calorías adquiridas sea igual al número de calo-

rías gastadas, ¿cómo debe dividirse el día en las tres actividades?

Geometría vectorial y analítica 107

Capítulo 2: Álgebra matricial y sistemas de ecuaciones lineales
2. Suponga que el rumiante debe descansar al menos 6 horas al día. ¿Cómo de-
be dividirse el día en las tres actividades bajo esta condición?

Solución

Paso 1. Identificación de las variables del problema

Designamos por xi el tiempo invertido en cada actividad, i = 1, 2, 3, siendo

x1 = tiempo invertido en la actividad de pastar.
x2 = tiempo invertido en la actividad de moverse.
x3 = tiempo invertido en la actividad de descansar.

Paso 2. Planteamiento del S.E.L. y determinación del conjunto solución del sistema

Podemos formular dos ecuaciones que surgen de considerar dos aspectos:

a. La condición de que el número de calorías obtenidas en la única actividad

que lo permite (pastar), debe ser igual al número de calorías gastadas en las
actividades que así lo demandan (moverse y descansar).

b. La duración de un día completo (24 horas).

(1) 200 x1 − 150 x2 − 50 x3 = 0 ⎫

⎬ S .E.L.(2,3)
(2) x1 + x2 + x3 = 24 ⎭

Procedamos a determinar el conjunto solución del S.E.L.(2,3).

⎡200 −150 −50 0 ⎤ E12 ⎡1 1 1 24 ⎤ − 350
1
E2
⎢ 1 ⎥ ⎯⎯⎯⎯⎯⎯ →⎢ ⎥ ⎯⎯⎯⎯ →
⎣ 1 1 24⎦ −200E1 + E2 ⎣0 −350 −250 −4800⎦

⎡1 1 1 24 ⎤ − E2 + E1 ⎡1 0 2 572
⎤
⎥ ⎯⎯⎯⎯⎯ →⎢
7 7
⎢0 1 5 ⎥
⎣ 7⎦ ⎣0 1 7⎦
96 5 96
7 7

Sistema equivalente reducido

2 72
(1) x1 + x3 = .
7 7
5 96
(2) x2 + x3 = .
7 7

72 2 ⎫
(1) x1 = − x3 ⎪
7 7
⎪
96 5 ⎪
(2) x2 = − x3 ⎬ x3 ∈
7 7 ⎪
(3) x3 = x3 ⎪
⎪
⎭

108
 Módulo 7: Tipos de solución de un S.E.L.(m, n)
⎧ ⎛ 72 2 96 5 ⎞ ⎫
En consecuencia, S = ⎨( x1 , x2 , x3 ) / ( x1 , x2 , x3 ) = ⎜ − x3 , − x3 , x3 ⎟ x3 ∈ ⎬ ,
⎩ ⎝7 7 7 7 ⎠ ⎭
lo que nos indica que el sistema tiene infinitas soluciones.

Paso 3. Determinación del conjunto solución del problema

La naturaleza de las variables, en este caso el tiempo, nos indica que éstas pueden
tomar valores continuos en el conjunto de los números reales, excepto los valores
negativos, puesto que no tienen ningún sentido, en la realidad, tiempos negativos.
Introduciendo estas restricciones en el conjunto solución del sistema, tenemos

xi ∈ +
∪ {0} , y así:

72 2
De (1) x1 ≥ 0, esto es, − x3 ≥ 0 ∴ x3 ≤ 36.
7 7
96 5 96
De (2) x2 ≥ 0, esto es, − x3 ≥ 0 ∴ x3 ≤ .
7 7 5
De (3) x3 ≥ 0, esto es, x3 ≥ 0.

La intersección de los tres intervalos nos permite concluir que

96
0 ≤ x3 ≤ y x3 ∈ .
5

Esto significa que el problema tiene también infinitas soluciones, pero restringidas
al intervalo de variación del parámetro x3 . Luego el conjunto solución S ' es:

⎧ ⎛ 72 2 96 5 ⎞ ⎡ 96 ⎤ ⎫
S ′ = ⎨( x1 , x2 , x3 ) / ( x1 , x2 , x3 ) = ⎜ − x3 , − x3 , x3 ⎟ y x3 ∈ ⎢0, ⎥ ⎬ .
⎩ ⎝ 7 7 7 7 ⎠ ⎣ 5 ⎦⎭

En particular, si x3 = 8 horas, x1 = x2 = 8 horas, (8, 8, 8) es una solución particular

del problema que nos muestra que si el rumiante dedica 8 horas al descanso, debe
dedicar 8 horas a pastar y 8 horas a moverse.

En forma similar, si le asignamos un valor particular a la variable x3 dentro del rango

establecido, podemos determinar los valores correspondientes a x1 y a x2 y obtener
así una nueva solución.

Suponga que el rumiante debe descansar al menos 6 horas al día. ¿Cómo puede
dividirse el día en las tres actividades? Se propone al lector la determinación del
conjunto solución para el nuevo problema propuesto.

Modelo 3: Un problema de flujo de tráfico

La figura 7.1 muestra el flujo de tráfico vehicular sobre una glorieta y sus accesos.
Los valores indican el promedio de vehículos sobre los cruces respectivos en una
hora pico, puesto que el flujo puede variar notablemente. Las variables representan
el flujo de tráfico entre dos cruces. En cada cruce hay instalado un sistema de
semáforos electrónico y computarizado, que puede programarse con el fin de au-
mentar o disminuir el flujo vehicular en un momento determinado.
Geometría vectorial y analítica 109
Capítulo 2: Álgebra matricial y sistemas de ecuaciones lineales

Vea la animación Diagramas de flujo de

tráfico en su multimedia de Geometría
vectorial y analítica.

Figura 7.1

Se requiere adelantar una reparación parcial sobre la vía de la glorieta entre los
cruces A y B, lo que obliga a hacer mínimo el flujo de tráfico entre estos cruces. ¿Cuál
es el valor mínimo de vehículos que pueden transitar entre A y B, de tal forma que el
sistema vial continúe en funcionamiento evitando un «infarto vial»?

¿Cuál es el estado real del sistema en cada cruce bajo la condición anterior?

Paso 1. Identificación y designación de las variables del problema

x1 = número de vehículos que circulan entre A y B.

x2 = número de vehículos que circulan entre B y C.
x3 = número de vehículos que circulan entre C y D.
x4 = número de vehículos que circulan entre D y A.
x5 = número de vehículos que circulan entre B y D.

Paso 2. Planteamiento del S.E.L. y determinación del conjunto solución del sistema

Las características específicas del problema y la naturaleza de las variables nos

conducen a plantear en cada cruce una ecuación, teniendo en cuenta que el número
de vehículos que ingresan al cruce es igual al número de vehículos que salen del
mismo. En consecuencia, tenemos:

Cruce A. x4 + 300 = 200 + x1.

Cruce B. x1 + 100 = x2 + x5 .
Cruce C. x2 + 250 = x3 + 120.
Cruce D. x3 + x5 = 330 + x4 .

110
 Módulo 7: Tipos de solución de un S.E.L.(m, n)
Organizando las ecuaciones, generamos el S.E.L.(4,5).

(1) x1 − x4 = 100.
(2) x1 − x2 − x5 = −100.
(3) x2 − x3 = −130.
(4) x3 − x4 + x5 = 330.

Apliquemos el método de reducción de Gauss-Jordan:

⎡1 0 0 −1 0 100 ⎤ ⎡1 0 0 −1 0 100 ⎤
⎢1 −1 0 0 −1 −100⎥⎥ −E1 + E2 ⎢⎢0 −1 0 1 −1 −200⎥⎥ 1E2 + E3
⎢ ⎯⎯⎯⎯⎯ → ⎯⎯⎯⎯⎯ →
⎢0 1 −1 0 0 −130⎥ ⎢0 1 −1 0 0 −130⎥ −E2
⎢ ⎥ ⎢ ⎥
⎣0 0 1 −1 1 330 ⎦ ⎣0 0 1 −1 1 330 ⎦

⎡1 0 0 100 ⎤ −1 0⎡(1) 0 0 −1 0 100 ⎤

⎢0 1 0 200 ⎥ 1E3 + E4 ⎢⎢ 0 (1) 0 −1 1 200⎥⎥
⎥−1 1
⎢ ⎯⎯⎯⎯⎯ → .
⎢0 0 −1 1 −1 −330⎥ − E3 ⎢ 0 0 (1) −1 1 330 ⎥
⎢ ⎥ ⎢ ⎥
⎣0 0 1 −1 1 330 ⎦ ⎣0 0 0 0 0 0 ⎦

Sistema equivalente reducido

(1) x1 − x4 = 100 ⎫
⎪
(2) x2 − x4 + x5 = 200⎬
(3) x3 − x4 + x5 = 330 ⎪⎭

Despejando las variables principales y estableciendo los parámetros, tenemos:

(1) x1 = 100 + x4 ⎫
(2) x2 = 200 + x4 − x5 ⎪⎪
⎪
(3) x3 = 330 + x4 − x5 ⎬ x4 , x5 ∈ (parámetros),
(4) x4 = x4 ⎪
⎪
(5) x5 = x5 ⎪⎭

lo que nos muestra que el sistema tiene infinitas soluciones que se expresan en
términos de los parámetros x4 y x5 .

Paso 3. Determinación del conjunto solución del problema

La naturaleza de las variables, en este caso el número de vehículos que circulan

entre dos cruces, nos indica que éstas sólo pueden tomar valores discretos en el
conjunto de los enteros no negativos.

Así, xi ∈ +
∪ {0} , o también xi ≥ 0 y xi ∈ .

Geometría vectorial y analítica 111

Capítulo 2: Álgebra matricial y sistemas de ecuaciones lineales

Pero analicemos ahora qué nos demanda el problema en cuanto a su solución. Se

nos pide determinar el flujo mínimo de vehículos entre A y B, pero garantizando el
funcionamiento del sistema.

Una respuesta inmediata podría llevar al lector a considerar como solución x1 = 0 .

¿Por qué no es correcta?

Sustituyamos en la ecuación (x1 = 100 + x4) y se obtiene 0 = 100 + x4 , luego

x4 = −100, pero este valor no puede estar en el conjunto solución (¿por qué?). Ello
nos obliga a analizar con más detalle la respuesta al problema planteado.

Si queremos minimizar la variable x1, manteniendo las condiciones que garanticen el

funcionamiento del sistema, entonces ello es posible cuando x4 = 0 (¿por qué?).
En esta forma, x4 pasa a ser constante y en esta nueva condición podemos revisar
de nuevo el sistema para determinar su comportamiento ante esta situación.

(1) x1 = 100 ⎫
(2) x2 = 200 − x5 ⎪⎪
⎪
(3) x3 = 330 − x5 ⎬
(4) x4 = 0 ⎪
⎪
(5) x5 = x5 ⎪⎭

Las soluciones nos muestran algo que, desde las intuiciones previas, no se contem-
pla, puesto que no es posible cerrar el tráfico entre A y B; el valor mínimo de vehícu-
los que pueden circular es 100. Ello se logra programando los tiempos de los semá-
foros o con personal de control que actúe directamente sobre el cruce. Pero la
conclusión menos esperada corresponde a la necesidad de suspender el tránsito de
vehículos entre los cruces D y A.

Para tener una visión completa del estado del sistema, en la situación analizada,
determinemos las restricciones para el parámetro x5 y los rangos de variación de las
variables restantes.

De la ecuación (2) x2 ≥ 0 ∴ 200 − x5 ≥ 0, luego x5 ≤ 200.

De la ecuación (3) x3 ≥ 0 ∴ 330 − x5 ≥ 0, luego x5 ≤ 330.
De la ecuación (5) x5 ≥ 0.

Por tanto, 0 ≤ x5 ≤ 200 y x5 ∈Z.

Tenemos que el conjunto solución S ′ al problema planteado corresponde a:

S ′ = {( x1 , x2 , x3 , x4 , x5 ) /( x1 , x2 , x3 , x4 , x5 ) = (100, 200 − x5 , 330 − x5 , 0, x5 ),

0 ≤ x5 ≤ 200 ∧ x5 ∈ }.

En esta forma el estado final del sistema, en las condiciones anotadas, es:

112
 Módulo 7: Tipos de solución de un S.E.L.(m, n)

(1) x1 = 100.
(2) 0 ≤ x2 ≤ 200.
(3) 130 ≤ x3 ≤ 330.
(4) x4 = 0.
(5) 0 ≤ x5 ≤ 200.

Las soluciones determinadas les permiten a los controladores del sistema adoptar
las decisiones necesarias para garantizar el funcionamiento pleno del tráfico vehicular.

El lector puede comprender la complejidad que conlleva un programa que soporta

una malla vial en la ciudad, si un solo nodo, como el propuesto en la ilustración, nos
demanda un análisis sencillo pero detallado. Con ello queremos motivar la investi-
gación sobre las herramientas matemáticas y computacionales que demandan los
diseños de estos programas.

Geometría vectorial y analítica 113