Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MANABÍ
FACULTAD DE CIENCIAS
ADMINISTRATIVAS Y ECONÓMICAS
CARRERA DE ECONOMÍA
NIVEL
DESARROLLO DE LA ASIGNATURA DE
INVESTIGACIÓN OPERATIVA
Generalidades:
Las principales fases que se destacan en una decisión, son las siguientes:
Formulación de objetivos.
EVALUACIÓN FORMULACIÓN
Y DE
REVISIÓN OBJETIVOS
DECISIÓN
EJECUCIÓN
Y PLANIFICACIÓN
CONTROL
Ejecución y Control.
Evaluación y Revisión.
Clases de decisiones.
El concepto de empresa.
Antecedentes.
Objetivos de la empresa
La investigación operativa:
Elementos que la conforman.
Generalidades.
En dónde,
0 = Objetivo
f = En función de
Cn = Variables controlables
Nn = Variables no controlables.
Industria
Agricultura
Construcción
Comercio
Transporte
Energía
Banca
Minería
Comunicaciones
Servicios Públicos o Privados
Producción
Inventarios
Distribución
Selección y renovación de equipos
Problemas de espera
b. Costo de la Investigación
e. Servicios de Informática.
Programación lineal
Introducción
Objetivos
Aplicaciones
Conceptos básicos
Divisibilidad
Finitud
1. Función – Objetivo.
2. Limitaciones o restricciones.
= igual
3. No negatividad.
Xn > 0
4. Condiciones de optimización.
Maximizar 5 X1 + 3 X2
Sujeta a:
2 X1 + X2 = 40 restricción de mano de obra
X1 + 2 X2 = 50 restricción de materiales
tanto X1 como X2 son no negativas.
Maximizar 5 X1 + 3 X2 - 2 X3
Sujeta a:
X1 = 50; X2 = 0; X3 = 60
La información de la tabla nos indica, por ejemplo, que una unidad del
producto 3 requiere para su elaboración 3/2 libras de materia prima,
ocupa 2 pies3 de espacio y una tasa de producción de 10 unidades/hora.
Bajo estas condiciones fabricar una unidad de este producto reporta un
beneficio de $5.
Características claves
Que elementos afectan los costos y/o ganancias como
objetivo global.
Característica clave.
CARACTERÍSTICA CLAVE
Además 2X1 +2,5X2 + 2X3 + 1,5X4 < 230 pies cúbicos de espacio de
almacenamiento, relaciones implicadas entre variables, la tasa de
producción que indica proporcionalidad, es decir si 15 unidades se
producen en una hora, una unidad en cuánto tiempo se producirá.
CARACTERÍSTICA CLAVE.
Una compañía tiene dos fábricas que suministran 800 y 1300 unidades de
un producto a tres centros de distribución que requieren 600, 1000 y 1600
unidades del producto. El costo de transportar una unidad del producto
desde cada fábrica hasta cada uno de los destinos está expresado en la
siguiente matriz de costos de transporte:
Los datos del problema están conformados por las diversas ofertas y
demandas, y los respectivos costos de transporte unitarios, los cuales
combinados dan nuestras restricciones.
Ejercicios
Nº 1
Nº 2
Capacidad 10 18 25
Costo 18 25 35
conductores 1 1 1
2
1-.En ℜ el conjunto determinado por las condiciones es un polígono, que
es convexo.
* Ninguna solución.
* Una solución.
* Infinitas soluciones.
con bi ≥ 0 y xi ≥ 0
Que expresado matricialmente queda del siguiente modo:
siendo:
A, matriz de coeficientes
X, matriz de incógnitas
B, matriz de términos independientes
Z, función objetivo
Ct, matriz de coeficientes de la función objetivo
2 x1 -5 x2 -3 x3 ≥ 4 ⇒ 2 x1 -5 x2 -3 x3 - y = 4
xi = xi+- xi-
con xi+, xi- ≥ 0
Ejemplo
* Paso previo.
Ejemplo.
n=7 y m=5
P4 P5 P6
2 5 -1 1 0 0 1
-3 -8 2 0 1 0 4
-
-2 3 0 0 1 9
12
(0,0,0,1,4,9)
x2=k>0,
x1= x3= 0
y x4, x5, x6 ≥ 0 y de estas tres variables, al menos, una nula.
P2 P5 P6
2/5 1 -1/5 1/5 0 0 1/5
1/5 0 2/5 8/5 1 0 28/5
x3= k
x1, x4= 0
Por tanto,
1/5 + k/5 = x2
28/5 - 2/5 ·k = x5
57/5 - 3/5 ·k = x6
P2 P3 P6
1/2 1 0 1 1/2 0 3
1/2 0 1 4 5/2 0 14
5/2 0 0 -3/2 0 1 3
(0,3,14,0,0,3) z2= 66
Si Im no está dentro de A:
(Im , matriz identidad de mxm, con m= nº de condiciones.)
1 1 -1 0 1 1 1 -1 0 1
F1
230 1 6 F2- 2F1 012 1 4
-1 0 0 1 1 48
1 2 -1 0 0 97
0 2 0 -1 0 11
0 2 0 -1 0 0 1 11
Vs* = (v1, v2,..., vn, ..., 0,..., 0 ) solución de II Vs = (v1, v2,..., vn) solución de
I.
no señaladas >>> P4 P5
1 0 0 1 2 16
0 1 0 -1 1 2
0 0 1 4 5 52
P1 P2 P3 <<< señaladas
P3
1 0 -7 0 2 16
0 1 -3 0 1 2
0 0 -1 1 5 52
Z= 14 + x3 - x5
- Debe haber n-m componentes nulas. Puede haber vértices con más de
n-m componentes nulas. Esto nos llevará a posibles soluciones básicas
"degeneradas". Es posible encontrarnos con casos de paso por vértices
"degenerados" que producen ciclos y en donde es imposible la obtención
de una solución. Esto es bastante raro y en general no se producen
problemas, salvo en algunos problemas de "laboratorio
Problema dual
Matriz
mxn
Ejemplo: A: 3x4 3 filas 4 columnas
B: 3x3 3 filas 3 columnas
C: 4x3 4 filas 3 columnas
Clases de Matrices.
Ejemplos de matrices
3 2 3 1 2 6 0 0 0
1 0 1 0 -1 0 5 0 0
4 2 6 0 0 4 0
1 -3 4 0 0 0 1
Cuadrada Rectangular Diagonal
1 0 0
0 1 0
0 0 1
Unitaria
6 5 -1 6 3 1
3 2 0 5 2 4
1 4 -2 -1 0 -2
A A (TRANSPUESTA)
3 2 1 3 2 1
0 -1 5 = 0 -1 5
2 -3 0 2 -3 0
A B
Igualdad de Matrices
4 2 - 5 0 = -1 2
1 3 1 2 0 1
4 2 12 6
=
3 1 3 3 9
K.A
3 2
1 5 2
-1 0
No podemos multiplicar
3 2 1 3 = 3x1+2x5 3x3+2x2 = 1 13 13
A B = A. B
División o Inversa de la Matriz: Para que una matriz tenga inversa, deberá
reunir las siguientes condiciones:
A. A_1 = A_1. A = I
Aji
bij = -------
A
2 4
Ejemplo: Encontrar la inversa de la matriz
-1 3
1. Obtenemos el determinante:
A11 = (_1) 1 + 1 x 3 = 3
A21 = (_1) 2 + 1 x 4 = -4
A22 = (_1) 2 + 2 x 2 = 2
Aji
bij = --------
|A|
A11 3
b11= ------- b11= ------
|A| 10
A21 -4
b12= ------- b12= ------
|A| 10
A12 1
B21= ------- b11= ------
|A| 10
A22 2
B22= ------- b11= ------
|A| 10
Luego la matriz inversa será:
3 -4
----- -----
10 10
B=
1 2
----- -----
Comprobamos:
A.A_1 = A_1.A = I
2 4 3 -4 2 x 3 + 4.1 2 x –4 + 4.2
10 10 10 10 10 10
=
-1 3 1 2 -1 x 3 + 3.1 -1 x -4 + 3.2
10 10 10 10 10 10
1 0
[A] [A] -1
=
0 1
3 -4 2 4 3 x 2 + -4 x -1 3 x 4 + -4 x 3
---- ---- --- --- --- ---
10 10 10 10 10 10
1 2 -1 3 1 x 2 + 2 x -1 1 x 4 + 2 x 3
---- ---- --- --- --- ---
10 10 10 10 10 10
1 0
[A]-1 [A] =
1 1
Cálculo de la Matriz Inversa por el Método Pivotal.- El método pivotal
es más simplificado en relación al método de cofactores; se denomina
también método de emplazamiento. Tiene por objeto tomar el “pivote”
(eje) por etapas sucesivas a todos los elementos:
ai = j; por ejemplo: a11
a22
a33
1 0 2 4
0 1 -1 3
Procedimiento:
COEFICIENTES
1 0 2* 4 A11 _2
I * _pivote
0 1 -1. 3 . _ semipivote
II _pivote transformado
0.5 1 0 5* * _semipivote
0.3 -0.4 1 0
0.1 0.2 0 1
Explicación:
II ETAPA: 1 0 2 4
----- = 0.5 ----- = 0----- = 1----- = 2
2 2 2 2
0.5 1 0 5
------ = 0.1 ------ = 0.2----- = 0 ------ = 1
5 5 5 5
A_1
El método pivotal tiene la gran ventaja de ser más corto en relación al de
cofactores, aunque exige mayor destreza en las operaciones y facilita en
buena forma la concepción del método Simples de la Programación
Lineal.
Principales características:
a. Cuando una ecuación tiene una única solución diferente a las otras
del sistema, el sistema adquiere el nombre de inconsistente.
b. Cuando dos o más ecuaciones tienen la misma solución, se lo
reconoce como sistema redundante.
Sistemas Generales
El método grafico
1. Función objetivo
2. Conjunto de limitaciones o restricciones
3. Condición de no negatividad
4. Condiciones de optimización:
Solución factible
Solución básica factible
Solución óptima factible
En este caso las expresiones < (igual o menor) indican que la empresa no
podrá utilizar más recursos de los que dispones (finitud) y los coeficientes
de X1 y X2 corresponden a las necesidades técnicas de producción.
X1 = 21 - 3X2
7
X1 X2
3 0
0 7
(2) 2 X1 + 3X2 < 12
2 X1 + 3X2 = 12
X1 X2
6 0
0 4
X1 = 18 - 4X2
4.5
X1 X2
4 0
0 4.5
0 1 2 3 4 5 6 7
X1
Hemos determinado la región básica factible, que sea positiva y satisfaga
las condiciones o restricciones del problema; un punto por fuera de esta
región y ano satisface los requerimientos técnicos y nos interpretará que
estamos utilizando recursos por encima de los existentes, y eso no es
cierto, no podemos.
0 0 0
1 1 26
1 2 37
MAXIMIZACIÓN 2 2 52
3 0 45
1 3 48
1.5 1.5 39
0 4 44
ZMAX = 52
Ejemplo:
Procedimiento:
Resolución:
X1 = 20 - 3X2
2
X1 X2
10 0
0 6.66
X1 = 30 - 5X2
X1 X2
30 0
0 6
20
X2
10
0 10 20 30
X1
0 0 0
10 10 70
20 10 100
10 20 110
0 20 80
1.75 6 29.25
30 0 90
El método simplex
Introducción
Este método fue ideado por George Dantzig (1947), quien realizó
investigaciones en base a relaciones matemáticas de carácter lineal para
resolver problemas de optimización en la Fuerza Aérea de los Estados
Unidos.
Procedimiento
No negatividad: Xj > 0
Resolución.
X2 = 0 X2 = 1.920
X3 = 0 X3 = 1.180
3. Proceso iterativo
PRIMERA ETAPA
cj 900 1.500 2.2000 0 0 0
Xj bm X1 X2 X3 X1 X2 X3
0 X1 1.650 6 9 8 1 0 0
0 X2 1.920 8 11 16 0 1 0
0 X3 1.180 3 4 10 0 0 1
zj 0 0 0 0 0 0 0
*: elemento pivote
:pivote transformado
.: elementos semipivotales
bm: parámetros; datos conocidos; nos indican la cuantificación de
recursos.
Zj: valores que va tomando la función objetivo en cada posición.
Zj - Cj: se la conoce como el “criterio simplex” permite continuar o no la
generación de alternativas. Cuando la expresión Z j - Cj
corresponde en todas las posiciones a valores positivos o ceros
habrán terminado nuestros problema de maximización.
Segunda etapa
Qué producir.
Con la segunda etapa estamos en condiciones de crear alternativas de
producción real. Elegimos inicialmente fabricar que el producto que nos
dé mayor beneficio o sea X3 en función de su margen de utilidad igual a
$2.200 o lo que es lo mismo al menor elemento negativo correspondiente
a la expresión Zj - Cj.
Cuánto producir.
Nos preguntamos cuál será la cantidad a producir de X 3. simplemente, la
que nos permitan los recursos disponibles. El producto X 3 requiere de 8
MAQUINARIA Y EQUIPOS
MANO DE OBRA
MATERIAS PRIMAS
(3) 1.180 3 4 10 0 0 1
------- = 118 ---- = 0.3 ----- = 0.4 ----- = 1 ---- = 0 ---- = 0 ----- = 0
10 10 10 10 10 10 10
(1)
1650-(118x8)=706 6-(0.3x8)=3.6 9-(14x8)=5.8 8-(1x8)=0 1-(0x8)=1 0-(0x8)=0 0-(0.1x8)=-0.1
Tercera etapa
Qué producir.
Ingresará entonces a formar parte de la producción real la variable X 2 es
decir, puertas de madera semi talladas, sumándose a la producción de X 2.
Los procesos de reemplazamiento interpretan un problema de sustitución
de coeficientes, algo así como tasas de sustitución económicamente
hablando.
706 32 118
------ = 121.72 ------- = 6.95 ------ = 295
5.8 4.6 0.4
X1 = 0 X1 = 0
X2 = 6.95 X2 = 0
X3 = 115.22 X3 = 0
Comprobación
Supongamos un ejemplo:
Planteamiento:
Variables: A = X1
B = X2
C = X3
No negatividad: Xj > 0
Resolución:
Z(min) = 14x1 + 19X2 + 16X3 - 0X1 –0X2 –0X3+ Mm1 + Mmn2 +Mm3
Programación lineal
Ejercicio de maximización
Una empresa donde produce sillas y mesas, tiene una ganancia por mesa
de tres (3) dólares, para construir una necesita invertir dos (2) horas
máquina y una (1) hora hombre. Para la empresa producir una silla
necesita invertir seis (6) horas máquina y cuatro (4) horas hombre donde
tiene una ganancia de cinco (5) dólares por silla.
Para obtener nuestra ecuación llamaremos a las mesas con X y las sillas
con Y.
2X + 6Y £ 12 F = 3X + 5Y
X + 4Y £ 7
2X + 6Y £ 12 2X + 6Y £ 12
2(0) + 6Y £ 12 2X + 6(0) £ 12
6Y £ 12 2X £ 12
Y£2 X£6
X’ + 4Y’ £ 7 X’ + 4Y’ £ 7
(0) + 4Y’ £ 7 X’ + 4(0) £ 7
4Y’ £ 7 X’ £ 7
Y’ £ 1.75
Descripción X Y X’ Y’
Horas Máquina 0 2 0 1.75
Horas Hombre 6 0 7 0
Maximización
SILLAS
Mesas
Solución: F = 3X + 5Y
Luego de realizar estos cálculos podemos ver que para que la empresa
reciba un mayor beneficio debe producir solamente mesas.
Ecuaciones;
4X = 2Y ³ 100 Y ³ 20 X³0
Función Objetiva;
F = 8X + 5Y
Solución:
4X + 2Y ³ 100 4X + 2Y ³ 100
4(0) + 2Y ³ 100 4X + 2(0) ³ 100
2Y ³ 100 4X ³ 100
Y ³ 50 X ³ 25
Minimización
______A to B
______C to Infinite
MEZCLA "N"
3. Ejercicios
Conjunto de Restricciones
Max (Min) f(x)
Max (min) Ct x
Sujeto a: Ax ¿ b
X ¿ 0
Analista.
Región Factible
x ∈ ℑ = { Ax = b ,x ≥ 0 }
Ax ≤ b → Ax + h = b Ax ≥ b → Ax − h = b
x ∈ ℑ = { Ax = b , x ≥ 0 }
(P.L.) Max 2x – 3y
Sujeto a: x + 3y ¿ 24
2x + y ¿ 18
x + y ¿ 10
x,y ¿ 0
Ejemplos
a) (P.L.) Max 2x – 3y
sujeto a: x + 3y ¿ -24
2x + y ¿ 18
x + y ¿ -10
x, y ¿ 0
b) (P.L.) Max 4x + y
X ¿ 0,y ¿ 0
Ejemplos
g( x ) ≥ b g ( x ) ≤ b g ( x ) = b
Definiciones
Ejemplos:
a) Solución única;
b) Solución múltiple;
c) Problema infactible;
d) Solución limitada.
1) max 4x + 3y 2) max x + 2y
s.a.: 3x + 4y ¿ 12 s.a.: x + 2y ¿ 2
3x + 3y ¿ 15 x+y ¿ 2
4x +2y ¿ 8 x, y ¿ 0
x, y ¿ 0
Resolución analítica
El método de simplex
Se lleva a cabo en 4 etapas: (i) Etapa inicial; (ii) Etapa de mejora; (iii)
Etapa de selección de las variables de entrada / salida de la base y (iv)
Etapa de pilotaje.
Costes reducidos
La primera etapa se inicia con una solución básica factible del problema.
Dicha solución puede constituirse a partir de variables de holgura.
min {b i / y ik , > 0 }
EJEMPLOS
Introducción.
Método gráfico.
Ejemplo.
Existen reglas que rigen la selección del siguiente punto extremo del
método simplex:
Tabla simplex
Maximizar Z = 2X1+4X2
Sujeto a:
2X1 + X2 <= 230
X1 + 2X2 <= 250
2 <= 120
Todas las X1, X2 >=0
Fabricando
X1 = 10
X2 = 120
Sobrante de
S1 = 90
Max Z = 10X1+8X2
s.a.
4.5X1+1.5X2 <= 30
6.0X1+3.0X2 <= 48
toda X1,X2 >=0
Unit Cost or Profit (costo por unidad, Utilidad por unidad): Cantidad de
pesos que vamos a ganar por cada mesa y por cada silla ($10 y $8
respectivamente.
Reduced Cost (Costo reducido): esto nos indica el dinero que hemos
dejado de ganar por cada unidad no fabricada. en este caso debemos de
aumentar a más de $6.0000 la utilidad de la mesa para que sea atractiva
la fabricación de mesas.
Allowed Min Cj (rango mínimo del Cj): esta es la mínima utilidad que
puedo obtener sin que la base actual cambie. (-M)
Allowed Max Cj (rango mínimo del Cj): esta es la máxima utilidad que
puedo obtener sin que la base actual cambie. (16.0000)
Left hand side (valor al lado izquierdo): esto nos indica el consumo de
recurso, de 30.000 m2 de madera se consumieron 24.000 m2.
Allowed Max RHS (rango mínimo del bj): esta es la máxima cantidad de
recurso que se debe de mantener sin que la base actual cambie (60.0000
hrs-hombre)
PROCEDIMIENTO DE
RESOLUCIÓN GRÁFIC
PARA EL PROBLEMA D
PROGRAMACIÓN LINEAL
DOS VARIABLES
EJEMPLOS
max 3 X 2 X2
1
X2
Suj.a: 2 X2 X2 = 2
X1 2 X2 = 3
X1 2X
2 = 5
X1 0, X
2
= 0
X 1
max 3 X 2 X
1 2
suj.a : 2 X
1
X
2
2
X1 0 ; X2 0
X 2 X 3
1 2
X 2 X 5
1 2
X 0, X 0
1 2
2X X 2
1 2
2
Pasa por:
(-1,0) y (0,2)
-1 2 X1 X 2 2
X 2 X2 3
1
Pasa por:
(0,-3/2) y (3,0)
X 2 X 3
1 2
-3/2
X1 2 X 2 5
Pasa por:
(0,5/2) y (5,0) 5/2
X 2 X 5
1 2
F
REGIÓN DE
FACTIBILIDAD
z=9 3x1 2 x2 =9
z =0 z =9 Dirección
z =4
de mejora
de la f.o.
F ÓPTIMO
Solución óptima:
x*=4
1 , x*=
2 1/2
z* =13
F P
ÓPTIMO
(1/5,12/5
(0,2) )
z =4
F z* =13
(4,
(0,0) 1/2)
z =0
(3,0)
z =9
max x1 2 x2
suj.a : x1 x 2 5
x1 0, x2 0
(5,0)
Dirección
de mejora F
de la f.o.
(5,0)
min x1 2 x 2
suj.a : x1 x 2
5
x1 0 , x 2 0
ÓPTIMO (mínimo)
F
z*=0
x1 2 =0
* x*
(5,0)
max x1 x2
suj.a : 2 x1 x 2 2
x 1 3x2 1
x1 0, x2 0
x1 0, x2 0
F
(1,0)
min x1 x 2
suj.a : 2 x1 x 2
2
x 1 3x 2 1
x1 0 , x 2 0
x1 0 , x 2 0
ÓPTIMO (mínimo)
3 Dirección
z= 1/ de mejora
z*=0
de la f.o. x1 x*2 =0
z= 0 *
(1,0)
x1 0, x2 0
F=
(0,3)
(4,0) (6,0)
max x1 x2
suj.a : x1 x2 2
3 1 x 2 3
xx 0, x 0
1 2
(0,2)
(1,0) (2,0)
(0,2)
Q
z= 0 z= 2
Dirección
de mejora F
de la f.o.
(1,0)
λP (1 λ)Q, 0 λ 1
1 3
x λ(0,2) (1 λ)( , ), 0 λ 1
2 2
z 2
Por ejemplo:
1 1 1 1 3 1 7
Para λ , x (0,2) (1 )( , ) x1 , x2
2 2 2 2 2 4 4
1 1 1 1 3 1 5
Para λ , x (0,2) (1 )( , ) x1 , x2
3 3 3 2 2 3 3
..................
min x1 x2
suj.a : x1 x 2 2
3x 1 x 2 3
x1 0, x 2 0
3x 1 x 2 3 z*=0
x1 0 , x 2 0 x1 x*2 =0
*
(0,2)
Dirección
de mejora
de la f.o.
z= 0 F
(1,0)
x1 0, x2 0
(0,1)
(0,0.78)
F (1.25,0)
(1,0)
x 1 x 2 1 z*=80
x1 0 , x 2 0 x1 x*2 =0
*
Dirección
de mejora
de la f.o. F
(1,0)
ÓPTIMO
(mínimo)
z*=71.6
x*
1
x*2 =5/12
F
(1,0)
Generalidades
Metodología
Centros de Consumo A B C D
Centros de Distribución
1 4 6 5 2
2 3 7 4 5
3 6 5 2 7
Función Objetivo:
Z(Min) = 4 X11 + 6 X12 + 5 X13 + 2 X14 + 3 X21+ 7 X21 + 4 X23 + 5 X24 + 6 X31 +
5 X32 + 2 X33 + 7X34
Restricciones:
No Negatividad:
Matriz de Existencias
6 6 12
5 17
1 11
9 9
6 7 11 14
Primera solución:
CT1 = 199
Segunda solución:
Para encontrar una nueva solución es necesario emplear la metodología
de carácter iterativo, esto es, encontrar aproximaciones sucesivas
mediante el algoritmo de la matriz de Costos Indirectos, la misma que se
la obtiene de la siguiente forma:
5 7 4 5 5
7 9 6 7 7
0 2 -1 0
Matriz de Existencias
6 6
1 11 5
oc 9
M. Existencias
6 6
1 11- oc 5 + oc oc = 9
oc 9 - oc
M. Existencias
6 6 12
1 2 14 17
9 0 9
6 7 11 14
CT2 = 163
Tercera solución:
El procedimiento se repite hasta que en la matriz de Elección todos los
valores sean ceros y/o negativos.
5 7 4 5 3
3 5 2 3 1
2 4 1 2
6_ oc 6 + oc
Oc 1_ oc 2 14
oc =1
M. de Existencias
6-1 6+1 5 7 12
1 1-1 2 14 = 1 2 14 17
9 9 9
6 7 11 14
CT3 = 161
Cuarta solución:
5 7 4 5 3
3 5 2 3 1
2 4 1 2
Matriz de Existencias
5 7 oc
1 2 14
5- oc 7 oc 7 5 12
1+ oc 2 14- oc oc =5 6 2 9 17
9 9 9
6 7 11 14
CT4 = 141
Quinta solución:
3 9 4 5 5
+1 7 2 3 3
-2 4 -1 0
Matriz de Existencias
7 5
6 oc 2 9
7- oc 5+ oc 0 12 12
6 oc 2 9- oc oc =7 6 7 2 2 17
9 9 9
6 7 11 14
CT5 = 127
Sexta solución:
3 7 4 5 5
1 5 2 3 3
-2 2 -1 0
CTm = 127
TOTAL: 38 ton.
ÁLGEBRA DE MATRICES
ESQUEMA DE CONTENIDOS ________________________
INTRODUCCIÓN ____________________
OBJETIVOS ________________________
Definición de matriz
( 8 −1 0¿ ) ¿ ¿¿
¿
reciben el nombre de matrices. Más formalmente, dado un conjunto X, se
denomina matriz de n filas y m columnas a un conjunto de n×m
elementos de X, dispuestos en un arreglo rectangular de n filas y m
columnas. Las características de los elementos del conjunto X
dependerán, en cada caso, de la naturaleza del problema que se esté
estudiando. X puede ser un conjunto de funciones, de palabras de un
alfabeto, de números, etc. De aquí en adelante, salvo que se especifique
lo contrario, los elementos del conjunto X serán números reales y
denotaremos el conjunto de todas las matrices de orden n×m (n filas y
m columnas) por. m n M ×
Dos matrices A=( a ij) y B=( b ij ), de orden n×m, son iguales si aij = b ij
para todo i = l, …, m. Es decir, dos matrices son iguales si los elementos
que ocupan la misma posición en ambas matrices coinciden.
Matriz Nula: Una matriz es nula si todos sus elementos son iguales a
cero. En el siguiente ejemplo se muestra la matriz nula de orden 3×2.
I =¿ ( 1 0¿ ) ¿ ¿
¿
Más adelante veremos que la matriz unidad, respecto a la multiplicación
de matrices, juega un papel similar al número 1 respecto a la
multiplicación de números reales.
Adición de matrices
Ejemplo
A=¿(2 4¿) (−1 3¿) ¿¿ B=¿( 4 4¿ )(2 4¿ )¿¿ M=¿ (−1 3 4¿ )( 2 0 2¿) ¿ ¿
¿ ¿ ¿
Las matrices A y B son de orden 3×2, mientras la matriz M es cuadrada
de orden 3. Por tanto, no podemos calcular la suma de A y M y tampoco
la suma de B y M, en cambio, sí podemos sumar A y B ya que tienen el
mismo orden. Esto es,
• Conmutativa: A + B = B + A , ∀ A , B∈ M nxm
• Asociativa: A + (B+C ) = ( A +B )+C , ∀ A , B ,C ∈ M nxm
• Elemento neutro (la matriz nula):
∃O ∈ M nxm ∀ A ∈ M nxm : A +O=O+ A=A
• Elemento opuesto: ∀ A ∈ M nxm ∃(− A ) ∈ M nxm : A+(− A )=(−A )+ A=0
Ejemplo
λ ( A +B ) = λA+ λB ∀ λ ∈ R , ∀ A , B ∈ M nxm
Asociativa mixta
( λδ ) A = λ (δA) ∀ λ ,δ ∈ R , ∀ A ∈ M nxm
Multiplicación de matrices
AB = ¿ ( 1 3¿ )( 2 −1 ¿ ) ¿ ¿
¿
Fila 2 por columna 3 = elemento que ocupa la posición 23
2
c 23 = ∑ a 2 j b j3 =a 2 l b l3 + a 22 b 23 = 25+(−1 )3=10−3=7
j=l
A=¿ ( 2 3 4 4¿ ) ( 1 2 2 1¿ ) ¿ ¿¿
¿
¿
Nótese además, que no podemos calcular B A.
A = ¿ ( 4 3 2 ¿) ¿¿
¿
Entonces, por un lado,
A B = ¿ ( 4 3 2¿ ) ¿ ¿
Y por otro lado,
¿
B A = ¿ ( 0 2 ¿ )( 1 3 ¿ ) ¿ ¿
¿
Según se pudo comprobar a través de los ejemplos anteriores, para la
multiplicación de matrices no se cumple la propiedad conmutativa.
Veamos algunas propiedades de esta operación:
Asociativa
A ( BC) = ( AB)C , ∀ A , B ,C : A ∈ M nxm , B ∈ M nxm, C ∈ M kxp
Distributiva (mixta)
A ( B+C ) = A B + AC , ∀ A , B , C : A ∈ M nxm B , C ∈ M mxk
( )( ) ( )
1 0 0 0 = 0 0
2 0 8 1 0 0
( )( ) ( )( )
1 0 1 0
2 0 8 1
=
1 0 1 0
2 0 5 3
Matriz invertible
( )( )
3 4 7 13 7 11
A =¿ 31 −31 31 ¿ 31 −31 −31 ¿ ¿¿
−1
Ya que
¿
( )( 3 4 7 13 7 11
− ¿ − − ¿ ¿ ¿¿
( 2 4 3¿)(−1 3 4¿)¿¿¿ 31 31 31 31 31 31 )
AA
−1
= ¿ ¿
Para un estudio detallado sobre matriz inversa recomendamos el math-
block titulado “Matriz Inversa”
Matriz traspuesta
T
La traspuesta de una matriz A = (a ij ) ∈ M nxm , es la matriz A = ( a ji ) ∈ M mxn ,
que se obtiene a partir de la matriz A al intercambiar las filas por las
columnas (o viceversa).
( )
4 1
A=
4 3 2
1 2 3 (T
es A = 3 2
2 3
)
La traspuesta de la matriz
Propiedades:
A es simétrica ⇔ A T = −A
La siguiente matriz es asimétrica:
( )
1 −9 3
A= 9 2 1
−3 −1 5
T T −1
A es ortogonal ⇔ A A = I ⇔ A = A
La siguiente matriz de funciones es ortogonal:
(cossenxx −cos x
senx )
Para comprobarlo es suficiente con aplicar la definición y tener en cuenta
(
A= a b o A= a b
−b a )
b −a ( )
Donde a y b son números reales tales que a2 + b2 = 1
Matriz involuntaria: Es una matriz que coincide con su inversa. Esto es,
2
A es involutiva ⇔ A = I
( ) ( )(
A = −1 0 A 2 = −1 0 −1 0 = 1 0
0 1 0 1 0 1 0 1 ) ( )
Es evidente que esta matriz también es ortogonal.
FILAS
COLUMNAS
¿Cómo calcular?
Luego calculamos:
Matrices input-
output
Las matrices
input-output
(entrada-salida)
se aplican al
considerar un
modelo
simplificado de la economía de un país en el que la actividad de
Para tener una idea del modelo, supongamos que los datos de la
economía de un país ficticio son los de la siguiente, donde las
cantidades se dan en algún tipo de unidad monetaria.
Modelo metalúrgico
DETERMINATES
ESQUEMA DE CONTENIDOS ________________________
INTRODUCCIÓN ___________________
OBJETIVOS ________________________________________________
Por ejemplo, el conjunto {(1 2 3), (1 3 2), (2 1 3), (2 3 1), (3 1 2), (3 2 1)}
contiene las 6 permutaciones diferentes de la terna (1 2 3).
Aplicaciones
Independencia Lineal
Cálculo de determinantes
Ejemplo:
Ejemplo:
1. Elegir aquella fila o columna que tenga el mayor número de ceros (si
ninguna línea tiene ceros, se coge una línea cualquiera).
Por ejemplo,
Por ejemplo,
Por ejemplo,
Por ejemplo,
Por ejemplo,
6. Si todos los elementos de una fila o columna están formados por dos
sumandos, dicho determinante se descompone en la suma de dos
determinantes.
Por ejemplo,
Por ejemplo,
Dicha función tiene como entrada (input) una matriz cuadrada y como
salida (output) un escalar.
Sea M la matriz cuyas columnas son los vectores dados. M es una matriz
m por n. Las columnas son linealmente dependientes si y sólo si existe
un vector de dimensión n (diferente del vector nulo) tal que: M.x=0; esto
es:
x = -12t
y = 12t
z = 7t
Ejemplos:
El área del paralelogramo determinado por los vectores (5, 3) y (7, -2)
son 31 unidades cuadradas.
Ejemplos:
Ejemplos:
Ejemplo:
P= (0, 0, 0)
Q= (1, 4, 2)
R= (3, -2, 2)
S= (-2, 5, 0)
es 4 unidades cúbicas.
Fijémonos que coincide con el valor del volumen si se halla éste mediante
los vectores PQ, PR y PS: