Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESTRUCTURAS ALGEBRAICAS
CONCEPTO
Son operaciones definidas dentro de un conjunto, con resultado único. Las principales
estructuras son el grupo y el cuerpo.
a A, b A: a * b = c / c A
Elementos notables:
e) Elemento neutro (e): a * e = e * a = a
f) Elemento simétrico (a’): a * a’ = a’ * a = e
g) Elemento absorbente: (m): a * m = m * a = m
Si analizamos las propiedades que, a su vez, cumplen los elementos notables, tenemos que:
a * e = a y que a * f = a. Como a = a a * e = a * f a’ * a * e = a’ * a * f
e * e = e * f e = f.
GRUPOS
Un grupo es una estructura algebraica compuesta por un conjunto de números “A” y una
operación *, y se denota (A, *). Para ello, * debe ser una ley interna que sea asociativa,
distributiva a derecha y a izquierda, debe poseer un elemento neutro y uno simétrico, y si
además es conmutativo, se denomina “grupo abeliano” o “grupo conmutativo”.
CUERPOS
Un cuerpo es una estructura algebraica que está compuesta por dos operaciones * y º
definidas en un conjunto no vacío A, que se denota (A, *, º), donde (A, *) se denomina
grupo aditivo y (A, º) grupo multiplicativo, lo que no necesariamente significa que * y º
sean sumas y productos respectivamente.
Una particularidad que cumplen estas estructuras es que el elemento neutro del grupo
aditivo funciona como elemento absorbente del grupo multiplicativo. Por ejemplo, si
consideramos al cuerpo ( , +, .), donde “+” es la suma habitual y “.” es el producto
habitual, sabemos que el neutro del grupo aditivo es e = 0, pero si hacemos el producto
entre cero y cualquier número real es cero, en consecuencia, m = 0 para el grupo
multiplicativo.
a A, B: a * =c/c A
MATRICES Y DETERMINANTES
MATRICES
CONCEPTO
Una matriz es una tabla de elementos organizados dispuestos en filas y columnas, que se
utilizan para analizar relaciones entre los elementos dispuestos en las filas y las columnas, y
dicha relación se expresa en un valor numérico ubicado en el casillero correspondiente a la
intersección de la fila y la columna correspondiente.
Denotamos como elemento genérico de casilleros de una matriz “A” al elemento aij, donde
el subíndice “i” nos dice a que columna pertenece y el subíndice “j” nos dice en que
columna está incluido. i, j / 1 < i < m y 1< j < n.
El orden de una matriz es de mxn, es decir, con m filas y n columnas, y el conjunto al que
pertenece es mxn.
A mxn
mxn
A
A = (aij)
ÁLGEBRA
4
SUMA DE MATRICES
Para poder sumar matrices, deben ser del mismo orden, y el resultado que arrojen debe ser
una matriz del mismo orden que las anteriores, es decir, que la suma de matrices es una ley
interna. Además, existe un elemento neutro que es la matriz nula “N mxn”, donde aij = 0 para
cualquier valor de i y de j. El elemento simétrico se denomina matriz opuesta, y es
“-A = (-aij)”. En consecuencia, (A mxn, +) es grupo abeliano.
Podemos, en base a los elementos notables del conjunto de las matrices, establecer que
- A+N=A
- A + (-A) = N
- -A + A = N
-
PRODUCTO DE UNA MATRIZ POR UN ESCALAR
Sea un elemento del conjunto B de los escalares, y A una matriz perteneciente al
conjunto de matrices de orden mxn, definimos a la ley externa “producto de una matriz
como un escalar” como el producto entre ese escalar y cada elemento de la matriz, es decir:
A = ( aij)
El elemento neutro del producto de matrices se denomina matriz identidad I mxn / cij = 1 si
i = j y cij = 0 si i j. Esta matriz es sólo elemento neutro del producto de matrices
cuadradas (igual número de filas que de columnas, es decir, m = n). La matriz nula, a su
vez, funciona como elemento absorbente
ÁLGEBRA
5
MATRIZ TRANSPUESTA
La transpuesta de una matriz, “A t” es aquella que resulta de sustituir las filas por las
columnas y las columnas por las filas, de modo tal que el elemento aij se transforme en el
elemento aji. Ejemplo
1 2
A= 5 8
6 16
1 5 6
At = 2 8 16
CLASIFICACIÓN DE MATRICES
SEGÚN SU ORDEN:
DETERMINANTES
CONCEPTO
Un determinante es una función definida en un conjunto de matrices cuadradas con
resultado es un número real. Dicho número es el que resulta de la suma de los productos de
los n factores, elegidos entre los elementos de las matrices, de modo tal que en cada
término aparezca un elemento para cada fila y cada columna, y cada elemento va precedido
por un indicador + o – si las permutaciones de los indicadores de posición i y j resulten de
clase par o impar, respectivamente, habiendo ordenado los componentes de i como en la
permutación principal.
a22 a23
a32 a33
Hipótesis de Laplace
El valor de cualquier determinante es igual a la suma de los productos de cualquier línea y
sus adjuntos o cofactores:
|A| = a11 a22 a33 - a11 a32 a23 - a12 a21 a33 + a11 a21 a32 - a13 a22 a31
ÁLGEBRA
7
Tesis de Laplace
Se agrupan términos a fin de extraer de ellos factor común de los elementos de la línea
elegida, pero cada factor se extrae con su signo de posición. De este modo,
Partiendo de la matriz A
MATRIZ INVERSA
El elemento simétrico en el producto de matrices se denomina matriz inversa, es decir, que
AA-1 = I.
TIPO DE
VALOR DEL EXISTE DENOMINACIÓN
MATRICES
DETERMINANTE INVERSA
MATRICES CUADRADA |A| = 0 NO REGULAR
|A| 0 SI SINGULAR
RECTANGULARES x NO xxxxxxxxxxxxxxx
A-1 = AdjA
|A|
(A | I) (I | A-1)
Para ello se elige un elemento aij = 1 (si no lo hay se consigue realizando operaciones
fundamentales con las líneas1) denominado pivote. Una vez obtenido el mismo, se mantiene
su fila y se reemplaza su columna por ceros, obteniendo un vector canónico, y luego se
realiza la diferencia entre el producto del pivote y el elemento aij a modificar y el producto
de los elementos alineados a ambos. Cabe aclarar que los pivotes utilizados no deben estar
alineados.
Otro método para obtener la matriz inversa es el de realizar operaciones fundamentales con
las filas o columnas hasta obtener vectores canónicos en cada columna.
Independientemente del método usado para resolver la matriz inversa, en el caso de que los
elementos aij = 1 no queden en la diagonal principal, estos se acomodan, modificando la
ubicación de las filas hasta obtener la matriz identidad.
1
Suma del múltiplo de una línea paralela, o producto por un escalar, o modificar la ubicación de las filas
ÁLGEBRA
10
CONCEPTO
Podemos clasificar a los sistemas de ecuaciones lineales en base a tres criterios. Si tenemos
en cuenta el valor de bi podemos clasificarlos en homogéneos si bi = 0 o en no homogéneos
si bi 0. Si analizamos la forma, decimos que si tienen la misma cantidad de ecuaciones
que de incógnitas, el sistema se denomina cuadrado, mientras que si son distintos se
denominan rectangulares. Por último, si tenemos es cuenta la composición del conjunto
solución S, decimos que si S = (conjunto vacío), el sistema se denomina incompatible,
mientras que si S el sistema se denomina compatible. En esta última situación (sistema
de ecuaciones lineal compatible) la solución es única, se denominan sistemas de ecuaciones
lineales compatibles determinados, mientras que si posee infinitas soluciones el sistema se
denomina sistema de ecuaciones incompatible indeterminado, donde el grado de
indeterminación G resulta de la diferencia entre la cantidad de variables (n) y el rango de la
matriz de coeficientes, es decir:
G = n – r(A)
AX = B
ÁLGEBRA
11
AX = B
A AX = A-1B
-1
IX = A-1B
X = A-1B
REGLA DE CRAMER
El valor único de cada incógnita se obtiene a través del cociente de dos determinantes: en el
denominador ubicamos al determinante principal y en el numerador colocamos un nuevo
determinante que se calcula a través de él sustituyendo la columna de coeficientes de la
columna que posee a los coeficientes de la variable que se está calculando por la columna
de términos independientes del sistema de ecuaciones que queremos obtener.
AX = N
A AX = A-1N
-1
IX = N
X=N
donde xj = nj = 0 (solución trivial). Si el determinante de la matriz de coeficientes es nulo,
el sistema resulta compatible indeterminado.
Cabe aclarar que, la existencia de una solución trivial no permite la posibilidad de que el
sistema de ecuaciones lineales sea incompatible, ya que existe al menos una solución que lo
convierte en compatible determinado.
VECTORES
VECTORES EN EL PLANO
El conjunto de todos los segmentos orientados equivalentes recibe el nombre de vector.
Todo segmento orientado que pertenezca al conjunto es una representación del vector. Por
ejemplo, la representación del vector v, cuyo origen es el punto P = (0;0) y su extremo es el
punto Q = (2,3), es
ESPACIOS VECTORIALES
CONCEPTO
Dado un cuerpo conmutativo (K, +, .), cuyos elementos serán llamados escalares, y un
conjunto V no vacío, cuyos elementos serán denominados vectores, con una ley interna “+”
(suma de vectores) y una ley externa “.” (producto escalar), puede decirse que V tiene
estructura de espacio vectorial sobre el cuerpo K, o bien que (V, +, K, .) es un espacio
vectorial, si se verifican los siguientes axiomas:
♠ La suma de vectores es una ley interna
♠ La suma de vectores es asociativa
♠ La suma de vectores es conmutativa
♠ El elemento neutro se denomina vector nulo “o”, y sus componentes son nulos: o =
(0, 0, ..., 0)
♠ El elemento simétrico se denomina vector opuesto y sus elementos son los opuestos
del vector que pertenezca al grupo
♠ El producto de un vector y un escalar es otro vector
♠ El producto entre un escalar y el producto de otro escalar y un vector es igual al
producto de los dos escalares y el vector
♠ El producto entre la suma de dos vectores y un escalar es igual a la suma de los
productos de los vectores y ese escalar
♠ El producto entre la suma de dos escalares y un vector es igual a la suma de los
productos del vector por cada escalar
♠ El producto entre un escalar igual a la unidad y un vector es igual a ese vector.
SUBESPACIOS
Se llama subespacio de un espacio vectorial a todo subconjunto de ese espacio que, a su
vez, cumple con los axiomas de un espacio vectorial respecto de las mismas operaciones
del primero. Para determinar que un conjunto S es un subespacio vectorial en un espacio V,
es necesario comprobar que se cumple la condición de espacio vectorial.
Cabe aclarar que todo subespacio S de un espacio vectorial V contiene el vector nulo: si S
es un subespacio de V, entonces S es un espacio vectorial. Luego, (S,+) es grupo abeliano,
por lo tanto, el neutro aditivo, que es el vector nulo, pertenece a S.
Ahora bien, todos los demás requisitos son propiedades de la suma de vectores y
del producto por un escalar, cuya validez hereda S de su validez en V, ya que S está
incluido en V, y las operaciones son las mismas.
Si se cumple la ley interna (suma) y la ley externa (producto), suele decirse que S
es cerrado para la suma de vectores y el producto original.
Subespacios Triviales
Todo espacio vectorial (V, +, K, .) tiene dos subespacios triviales:
Todo espacio vectorial es un subespacio de si mismo
El conjunto de números cuyo único elemento es el vector nulo es un subespacio
Subespacios Matriciales
El conjunto de matrices simétricas de orden “nxn” es un subespacio vectorial de
las matrices cuadradas de orden “n”
El conjunto de matrices triangulares de ornen “nxn” es un subespacio vectorial
de las matrices cuadradas de orden “n”
COMBINACIÓN LINEAL
Dado un conjunto de vectores del espacio vectorial (V, +, K, .), el vector w V es una
combinación lineal de los vectores del conjunto si y sólo si existen n escalares 1, 2, ..., n
que pertenecen al cuerpo K tales que la sumatoria de los productos entre los escalares i y
los vectores vi de como resultado al vector w.
Combinación lineal trivial: una combinación lineal es trivial si y solo si todos los escalares
i son nulos.
Combinación lineal convexa: una combinación lineal es convexa si y sólo si todos los
escalares i son no negativos ( i > 0) y su suma es igual a uno. “w” es una combinación
lineal convexa de los vectores de V si y sólo si la sumatoria de todos los i K converja
en 1.
SUBESPACIO GENERADO
Dado un conjunto A no vacío de vectores del espacio (V, +, K, .), se puede obtener el
subconjunto de V cuyos elementos son todas las combinaciones lineales de los vectores de
A.
modo que no todos los escalares se anulen simultáneamente (caso no trivial). En este caso
se plantea un sistema de ecuaciones lineales que resulta ser compatible indeterminado.
Propiedades
1. Si un vector es combinación lineal de un conjunto de vectores LI, entonces dicha
combinación lineal es única.
2. El conjunto formado por un vector no nulo de un espacio vectorial es LI.
3. Un conjunto finito y no vacío de un espacio vectorial es LD si y sólo si al menos
uno de los vectores puede expresarse como una combinación lineal de los demás.
4. Todo conjunto de vectores incluido en un conjunto LI es LI, mientras que todo
conjunto incluido en un conjunto LD puede ser LI o LD.
5. Todo conjunto unitario que contenga a un vector no nulo es LI.
6. El conjunto unitario que contenga al vector nulo es LD.
7. Cualquier conjunto que contenga al vector nulo es LD.
8. Todo conjunto de vectores que incluya a otro conjunto LD también es LD. Todo
conjunto de vectores que incluya a otro LI puede ser LD o LI.
9. Un conjunto de dos vectores no nulos es LD si y sólo si ambos vectores son
proporcionales.
10. Un conjunto de dos vectores no nulos es LI si y sólo si ambos vectores no son
proporcionales.
Propiedades:
a) Si B = v1, v2, ..., vn es una base del espacio vectorial (V, +, K, .), entonces todo
conjunto que tiene mas de n vectores es LD
b) Si un espacio vectorial (V, +, K, .) tiene una base con n vectores, entonces toda base
de (V, +, K, .) tiene n vectores
Propiedades:
1. Si W es un subespacio n-dimensional dim(W) < n
2. Si dim(W) = dim(V) (W, +, K, .) = (V, +, K, .)
3. Un conjunto de n vectores de un espacio vectorial de dimensión n es una base si y
solo si es LI o sistema de generadores. En consecuencia, podemos afirmar que:
n vectores linealmente independientes de un espacio vectorial n dimensional
constituyen una base de dicho espacio
Todo conjunto de generadores de n vectores de un espacio vectorial de
dimensión n es una base del mismo.
Cambio de base
Dados un espacio vectorial (V, +, K, .) / dim(V) = 2 y dos bases del mismo B = v1, v2 y
B’ = w1, w2 , un vector X perteneciente a V se expresa de forma única como combinación
lineal de los vectores de una base, podemos afirmar que
Por ser B una base, 1, 2 / X = 1v1 + 2v2 (01)
Para determinar la relación entre los componentes del vector X en las bases B y B’,
respectivamente ( 1, 2) y ( 1, 2), expresamos los vectores de la base B como combinación
lineal de los vectores de la base B’:
v1 = a11w1 + a12w2
v2 = a21w1 + a22w2
1 = a +
1 11 a
2 12
2 = a +
1 21 a
2 22
ÁLGEBRA
20
La matriz A2x2 es la matriz de cambio de base o de transición y sus columnas son los
componentes de la base B expresados en la base B’.
CONCEPTO
Es un conjunto de desigualdades, que cumple con la misma estructura de un sistema de
ecuaciones lineales, y la diferencia entre ambos radica en que en lugar de igualdades
tendremos desigualdades. Existen cuatro tipos de desigualdades:
a) Menor o igual: el resultado del sistema comprende a todas las x que hacen que
se cumpla la restricción. Si consideramos el intervalo de números x que cumplen
con las restricciones, incluimos en dicho intervalo a x = a que delimita la
restricción.
b) Menor: son todas las x , delimitadas por x = a tales que x es menor a “a” y
dicho número x = a no está incluido en el intervalo de resultado (porque a = a y no
menor).
c) Mayor o igual: son todas las x delimitadas por x = a tales que todas las x del
conjunto sean mayores que a, incluyendo al número x = a en dicho intervalo.
d) Mayor: son todas las x delimitadas por x = a tales que todas las x del conjunto
sean mayores que a, excluyendo al número x = a del intervalo.
a , b : a < b -a > -b
a , b : a > b -a < -b
-
a , b , : a > b a < b/
-
a , b , : a < b a > b/
RESOLUCIÓN
Para resolver un sistema de inecuaciones lineales se resuelve su sistema de ecuaciones
asociado (aquel que resulta de sustituir las desigualdades por las igualdades) y luego se
elige un punto por sobre y por debajo de las rectas obtenidas como solución y tomamos los
puntos para los cuales se cumplen simultáneamente todas las condiciones, obteniendo un
área como resultado
ÁLGEBRA
22
PROGRAMACIÓN LINEAL
n
CONJUNTOS CONVEXOS EN
Puntos en n
Los elementos de n, con n = 2 o n = 3 se pueden representar gráficamente tanto por
segmentos orientados como por puntos.
De ahí que, como es habitual en este tema, llamaremos a los elementos de n puntos en
lugar de vectores, y su notación P, Q, R, etcétera, pese a que para n > 3 no tenga
representación gráfica.
n
Segmento en
Conjuntos convexos en n
Sea D un subconjunto de n, diremos que ese conjunto es convexo si y solo si, dados dos
puntos P y Q que pertenecen a D, el segmento PQ está incluido en D.
Hiperplanos y semiespacios
Un hiperplano se define como el conjunto de puntos X = (x1, x2,..., xn) que pertenecen a n
tales que “b” es la suma de los productos de cada componente del punto xi por distintos
escalares i / 1< i < n, donde, a su vez, i y b pertenecen a , es decir, al conjunto de
soluciones de una ecuación lineal. Si llamamos A = ( 1, 2,..., n) a los coeficientes, se
puede definir como hiperplano en n al conjunto H = x n
/ AX = B . Casos
particulares son cuando n = 2 la representación gráfica es una recta, y cuando n = 3 es un
plano.
n
f: / f(x1, x2,..., xn) =
Propiedades
n n
Dados dos puntos de u y w y la función f: / f(x1, x2,..., xn) =
ÁLGEBRA
24
CONJUNTOS ACOTADOS
Propiedades
Si C es un subconjunto acotado y no vacío de n, entonces cualquier función
lineal f: n necesariamente toma su valor máximo o mínimo en algún
vértice de C.
Si C es un subconjunto no acotado puede ocurrir que f tenga máximo pero no
mínimo en C, mínimo pero no máximo en C o carezca de ambos en C.
ALGORITMO SIMPLEX
El algoritmo simplex es un método utilizado para hallar el máximo o mínimo en un
conjunto poliédrico convexo C de una función f: n recorriendo todos los vértices de
C. Deben cumplirse las siguientes restricciones:
AX < B
bij <0
xij <0
De esta forma, el sistema será el inicial mas la variable de holgura, y luego se arma la tabla
simplex inicial:
x1 ... xn s1 ... sm B
a11 ... a1n 1 ... 0 b1
... ... ... ... ... ... ...
am1 ... amn 0 ... 0 bm
c1 ... cn 0 0 1 f
El próximo paso consiste en pivotear la tabla hasta obtener vectores canónicos (variables
básicas) en la matriz A. Para elegir los pivotes hay una serie de restricciones:
el indicador de sus columna debe ser positivo
bi/aij debe ser el menor entre las filas
bi >0
aij >0
n
f: / f(x1, x2,..., xn) =
AX < Ct
El valor máximo de f’ es igual al valor máximo de f, y el punto en donde esto sucede está
determinado por el opuesto de las variables de holgura. Por ejemplo, dada la tabla simplex
final, Fmax = 48 en el punto P = (3,5,7)
X1 X2 X3 S1 S2 S3 Ct
1 0 -1 0 4 325 136
0 0 3 1 8 482 248
0 1 5 2 150 324 366
0 0 -4 -3 -5 -7 f’ - 48