Documentos de Académico
Documentos de Profesional
Documentos de Cultura
MATRICES Y DETERMINANTES
Definición de matriz
Se llama matriz de orden m×n a todo conjunto rectangular de elementos aij dispuestos
en m líneas horizontales (filas) y n verticales (columnas) de la forma:
Abreviadamente suele expresarse en la forma A =(aij), con i =1, 2, ..., m, j =1, 2, ..., n. Los
subíndices indican la posición del elemento dentro de la matriz, el primero denota la fila
( i ) y el segundo la columna ( j ). Por ejemplo el elemento a25 será el elemento de la fila
2 y columna 5.
MATRICES Y DETERMINANTES
Tipos de matrices:
Matriz fila: Es una matriz que solo tiene una fila, es decir m =1 y por tanto es
de orden 1 x n.
Matriz columna: Es una matriz que solo tiene una columna, es decir, n =1 y por
tanto es de orden m x 1.
MATRICES Y DETERMINANTES
Tipos de matrices:
Matriz cuadrada: Es aquella que tiene el mismo número de filas que de columnas, es decir m = n. En estos
casos se dice que la matriz cuadrada es de orden n, y no n x n.
Los elementos aij con i = j, o sea aii forman la llamada diagonal principal de la matriz cuadrada, y los elementos
.aij con i + j = n +1 la diagonal secundaria
MATRICES Y DETERMINANTES
Tipos de matrices:
Matriz traspuesta: Dada una matriz A, se llama traspuesta de A, y se representa por A t, a la matriz que se
obtiene cambiando filas por columnas. La primera fila de A es la primera fila de A t , la segunda fila de A es la
segunda columna de At, etc.
Matriz simétrica: Una matriz cuadrada A es simétrica si A = At, es decir, si aij = aji
" i, j.
Matriz antisimétrica: Una matriz cuadrada es antisimétrica si A = –At, es decir, si
aij = –aji " i, j.
MATRICES Y DETERMINANTES
Tipos de matrices:
Matriz nula es aquella que todos sus elementos son 0 y se representa por 0
Matriz escalar: Es una matriz diagonal con todos los elementos de la diagonal iguales
Matriz unidad o identidad: Es una matriz escalar con los elementos de la diagonal
principal iguales a 1.
MATRICES Y DETERMINANTES
Tipos de matrices:
Matriz Triangular: Es una matriz cuadrada que tiene nulos todos los elementos que
están a un mismo lado de la diagonal principal.
Las matrices triangulares pueden ser de dos tipos:
Trasposición de matrices
Suma y diferencia de matrices
Propiedades simplificativas
Producto de matrices
Matrices inversibles
MATRICES Y DETERMINANTES
Operaciones con matrices Trasposición de matrices
Dada una matriz de orden m x n, A = (aij), se llama matriz traspuesta de A, y se representa por
At, a la matriz que se obtiene cambiando las filas por las columnas (o viceversa) en la matriz A.
Es decir:
Ejemplo
Sin embargo, no se pueden sumar.
4ª. La matriz –A, que se obtiene cambiando de signo todos los elementos de A,
recibe el nombre de matriz opuesta de A, ya que A + (–A) = 0.
MATRICES Y DETERMINANTES
Operaciones con matrices Producto de una matriz por un número
El producto de una matriz A = (aij) por un número real k es otra matriz B = (bij) de la misma dimensión
que A y tal que cada elemento bij de B se obtiene multiplicando aij por k, es decir, bij = k·aij.
Ejemplo:
El producto de la matriz A por el número real k se designa por k·A. Al número real k se le llama
también escalar, y a este producto, producto de escalares por matrices
MATRICES Y DETERMINANTES
Operaciones con matrices Producto de una matriz por un número
Propiedades del producto de una matriz por un escalar
Si A + C = B + C Û A = B
Si k A = k B Û A = B si k es distinto de 0
Si k A = h A Û h = k si A es distinto de 0
MATRICES Y DETERMINANTES
Operaciones con matrices Producto de matrices
Dadas dos matrices A y B, su producto es otra matriz P cuyos elementos se obtienen multiplicando
las filas de A por las columnas de B. De manera más formal, los elementos de P son de la forma:
Es evidente que el número de columnas de A debe coincidir con el número de filas de B. Es más, si A
tiene dimensión m x n y B dimensión n x p, la matriz P será de orden m x p, Es decir:
Ejemplo:
no se pueden multiplicar
MATRICES Y DETERMINANTES
Operaciones con matrices Producto de matrices
Propiedades del producto de matrices
A·(B·C) = (A·B)·C (Propiedad asociativa)
Dada una matriz cuadrada A de orden n, no siempre existe otra matriz B tal que A·B = B·A = I n.
Si existe dicha matriz B, se dice que es la matriz inversa de A y se representa por A –1 .
Producto de matrices
Consecuencias de las Propiedades
Si A · B = 0 no implica que A = 0 ó B = 0
Si A · B = A · C no implica que B = C
Hay varios métodos para calcular la matriz inversa de una matriz dada:
(A·B)-1 = B-1·A-1
(A-1)-1 = A
(At) –1 = (A-1) t
Cálculo Directo de la Matriz Inversa
La matriz que se ha calculado realmente sería la inversa por la "derecha", pero es fácil comprobar
que también cumple A-1 · A = I, con lo cual es realmente la inversa de A.
Método de Gauss-Jordan para el cálculo de la matriz inversa
El método de Gauss-Jordan para calcular la matriz inversa de una dada se basa en una triangulación Ejemplo 1
superior y luego otra inferior de la matriz a la cual se le quiere calcular la inversa. Ejemplo 2
Dada una matriz A de orden n, para calcular su inversa hay que transformar la matriz (A I In)
mediante transformaciones elementales por filas en la matriz (In I B). La matriz B será, evidentemente, la
inversa de A.
Para aplicar el método se necesita una matriz cuadrada de rango máximo. Sabemos que no siempre una Ejemplo
matriz tiene inversa, por lo cual comprobaremos que la matriz tenga rango máximo al aplicar el método
de Gauss para realizar la triangulación superior. Si al aplicar el método de Gauss (triangulación inferior) se
obtiene una línea de ceros, la matriz no tiene inversa.
Cálculo de la Matriz Inversa por el método de Gauss - Jordan
Cuando hacemos transformaciones elementales en una matriz, esto es equivalente
a multiplicarla por otra matriz dada. Ejemplo:
F2 – 2F1 g F2
F1 + F3 g F3
•Una vez que hemos triangulado superiormente lo hacemos inferiormente:
VOLVER
Cálculo de la Matriz Inversa por el método de Gauss - Jordan
Como hay una fila completa de ceros, la matriz A no tiene rango máximo, en este caso
2, por tanto no tiene inversa pues es una matriz singular
VOLVER
Cálculo de la Matriz Inversa por el método de Gauss - Jordan
Queremos calcular la inversa de
2º.- Triangularizamos la matriz A de arriba a abajo y realizamos las mismas operaciones en la matriz de la
derecha.
Como podemos observar el rango de la matriz es máximo (en este caso 3), por tanto la matriz A es regular (tiene inversa),
podemos calcular su inversa.
3º.- Triangularizamos la matriz de abajo a arriba, realizando las mismas operaciones en la matriz de la derecha.
4º.- Por último se divide cada fila por el elemento diagonal correspondiente.
VOLVER
Cálculo de la matriz inversa usando determinantes
Dada una matriz cuadrada A, se llama matriz adjunta de A, y se representa por Adj(A),
a la matriz de los adjuntos, Adj(A) = (Aij).
Ejemplo
Esto es fácil probarlo puesto que sabemos que la suma de los productos de los
elementos de una fila por sus adjuntos es el valor del determinante, y que la suma de
los productos de los elementos de una fila por los adjuntos de otra fila diferente es 0
(esto sería el desarrollo de un determinante, que tiene dos filas iguales, por los
adjuntos de una de ellas). Ejemplo
VOLVER
VOLVER
VOLVER
Regla de Cramer
Dx Dy
Dx/Dp = 6
5 2 15 Dy/Dp = 1
2x +3y =15 15 3
5 -1 1 5
(6,1)
X=6
7.5 15 3 2 15 Y=1
X- y = 5 5 -1 1 5
-5
(15*-1)-(3*5) = (2*5)-(15*1)=
(-15 – 15) =-30 (10-15) =-5
• Una metodología que permite a las empresas gestionar sus recursos en interno
• Modelo matemático
Restricciones
Objetivo
X1 : Cantidad de Producto A
X2 : Cantidad de Producto B
Maximizar
Objetivo
Z=X1+X2
X1+5x2<= 5 Recuso 1
2X1 + X2 <= 4 Recurso 2 Restricctiones
X1>=0
X2>=0
X1 : Cantidad de Producto A
X2 : Cantidad de Producto B
X2
Objetivo
Maximizar
Z=X1+X2
Restricctiones
X1+5x2<= 5 4
2X1 + X2 <= 4
2X
1+
X1>=0
X2
X2>=0
=4
1
X1+5x
2= 5
Espacio de
soluciones
2 5
X1
X1 : Cantidad de Producto A X1 X2 Cumple Solucion
Restricion
X2 : Cantidad de Producto B
0 0 ok 0
X2
Objetivo 0 1 ok 1
2 0 ok 2
Maximizar
5/3 2/3 OK 2,32
Z=X1+X2
X1+5x2= 5
X1=5-5X2
Restricctiones
X1+5x2<= 5 4 2X1 + X2 = 4
2X1 + X2 <= 4 2*(5-5X2 )+ X2 = 4
X1>=0 10-10X2+X2 =4
X2>=0 10-9X2=4
X2=(4-10)/-9 =-6/-9 =2/3=0.66
1 X1=5-10/3
(0,1) (?,?) X1=(15-10)/3=5/3=1.66
(0,0)
2 (2,0) 5
X1
X1 : Cantidad de Producto A X1 X2 Cumple Solucion
Restricion
X2 : Cantidad de Producto B
0 0 ok 0
X2
Objetivo 0 1 ok 1
2 0 ok 2
Maximizar
5/3 2/3 OK 2,32
Z=X1+X2
Restricctiones
X1+5x2<= 5 4
2X1 + X2 <= 4
X1>=0
X2>=0 Maximo
1
(0,1) (1.66,0.66)
(0,0)
2 (2,0) 5
X1
X1 : Cantidad de Producto A
• Solucion Factible: es aquella que cumple con
X2 : Cantidad de Producto B
las restricciones pero no es optimal
X2
Objetivo
• Solucion optimal : es aquella que cumple con
Maximizar
las restricciones del modelo y les optima
Z=X1+X2
Restricctiones
X1+5x2<= 5 4
2X1 + X2 <= 4
X1>=0
X2>=0
1
(0,1) (1.66,0.66)
(0,0)
2 (2,0) 5
X1
Maximizar
Z= 5X1+2X2 X2
Sujeto a : 6
6 x1 + x2 >=6
4 x1 +3x2>=12 5
X1+2X2 >=4
X1,X2 >=0
4 Soluciones factibles
1
1
6
X1
Un problema de
máximos
La programación matemática es una técnica mediante la cual se permite calcular el valor óptimo (máximo o mínimo,
según los casos) de una función objetivo cuyas variables están sujetas a un conjunto de restricciones.
Cuando la función objetivo y las restricciones son lineales, se dice que se está ante un problema de programación
lineal.
2. Una función objetivo de primer grado cuyas variables son las variables de decisión y que se pretende optimizar
(hallar su máximo o su mínimo). La función objetivo es en realidad la representación matemática del objetivo
general de la situación mediante la cual se pretende tomar la mejor decisión.
3. Un conjunto de restricciones establecidas mediante relaciones lineales entre las variables del problema y que
pueden ser de igualdad o de desigualdad.
Inecuaciones lineales.
Interpretación geométrica
x0
¿Cuál es la región factible
ìx ³ 0
ïy ³ 0
del sistema í
y0
?
x £5
ï
îx – y ³ 0
• Cuando deben satisfacerse simultáneamente más de una inecuación estamos ante un sistema de inecuaciones
lineales.
• El conjunto de soluciones del sistema se puede obtener por la intersección de las diferentes regiones factibles de las
inecuaciones.
• A dicha región se le llama región factible del sistema.
x0
¿Cuál es la región factible
ìx ³ 0
x5
ïy ³ 0
del sistema í
y0
?
x £5
ï
îx – y ³ 0
x=5
• Cuando deben satisfacerse simultáneamente más de una inecuación estamos ante un sistema de inecuaciones
lineales.
• El conjunto de soluciones del sistema se puede obtener por la intersección de las diferentes regiones factibles de las
inecuaciones.
• A dicha región se le llama región factible del sistema.
x–y=0
x0
¿Cuál es la región factible
ìx ³ 0
x5
ïy ³ 0
del sistema í
y0
?
x £5
ï
îx – y ³ 0
x–y0
x=5
• Cuando deben satisfacerse simultáneamente más de una inecuación estamos ante un sistema de inecuaciones
lineales.
• El conjunto de soluciones del sistema se puede obtener por la intersección de las diferentes regiones factibles de las
inecuaciones.
• A dicha región se le llama región factible del sistema.
x–y=0
x0
¿Cuál es la región factible
ìx ³ 0
x5
ïy ³ 0
del sistema í
y0
?
x £5
ï
îx – y ³ 0
x–y0
x=5
(X,Y) 13*X+14*Y
(0,250) $ 3500
(0,85) $ 1190
(100,0) $ 1300
(166,0) $ 2158
(77.5,7.5) $ 1112 Máximo
(0,250)
(78,8)
(0,65.6) Z
3*X+2*Y <=500
1*X+1.5*Y <=100
X+Y <=85 Restricciones (85,0) (100,0)(166,0)
X>=0
Y>=0
Función objetivo
Optimizar (maximizar o minimizar) z = ax + by sujeta a las siguientes restricciones
• Solución posible: cualquier par de valores (x1, y1) que cumpla todas la restricciones. Al
conjunto de soluciones posibles de un problema lineal se le llama región factible.
• Solución óptima: un par de valores (x1, y1), si existe, que hace máxima o mínima la
función objetivo.
• Un problema de pr. lineal puede tener ninguna, una o infinitas soluciones óptimas.
INICIALIZACION
ITERACION:
1 DEFINIR VARIABLE QUE ENTRA (hacia dónde)
2 DEFINIR VARIABLE QUE SALE (hasta dónde)
3 DETERMINAR NUEVA SOLUCION BASICA
Método simplex
VB CB XB x1 x2 .. xn h1 h2 .. hm
VB CB XB x1 x2 .. xn h1 h2 .. hm
VB CB XB x1 x2 .. xn h1 h2 .. hm
Consideremos nuevamente el PPL de los bolsos y mochilas, y apliquemos las etapas del
método simplex:
x2
MAX Z = 3 x1 + 5 x2
6
s.a. x1 4
2 x2 12
3 x1 + 2 x2 18
x 1 , x2 0
4 x1
Método simplex
Z - 3 X1 - 5 X2 = 0
X1 + h1 = 4
2 X2 + h2 = 12
3 X1 + 2 X 2 + h3 = 18
Z - 3 X 1 - 5 X2 = 0
Método simplex X1 + h1 = 4
2 X2 + h2 = 12
3 X 1 + 2 X2 + h3 = 18
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0
h2 0 12 0 2 0 1 0
h3 0 18 3 2 0 0 1
Ecuación de la FO 0 -3 -5 0 0 0 zj - cj
3 5 0 0 0
INICIALIZACION
ITERACION:
1 DEFINIR VARIABLE QUE ENTRA (hacia dónde)
2 DEFINIR VARIABLE QUE SALE (hasta dónde)
3 DETERMINAR NUEVA SOLUCION BASICA
Método simplex
Criterio de optimalidad:
•Para identificar si la solución básica actual es óptima, se revisan los coeficientes zj - cj de las variables
no básicas (los de las variables básicas son cero cuando la solución está en forma canónica).
•Si los zj - cj son todos positivos se ha llegado al óptimo, sino se debe continuar.
Método simplex
En este caso los zj - cj son menores que cero, luego esta solución no
es óptima:
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0
h2 0 12 0 2 0 1 0
h3 0 18 3 2 0 0 1
0 -3 -5 0 0 0 zj - cj
Max 3 5 0 0 0
Método simplex
INICIALIZACION
ITERACION:
1 DEFINIR VARIABLE QUE ENTRA (hacia dónde)
2 DEFINIR VARIABLE QUE SALE (hasta dónde)
3 DETERMINAR NUEVA SOLUCION BASICA
Método simplex
• Se selecciona como variable básica entrante aquella que incrementa más rápidamente la F.O.
• Para ello, se selecciona como variable que entra la que tiene los coeficientes zj - cj más negativos.
Método simplex
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0
h2 0 12 0 2 0 1 0
h3 0 18 3 2 0 0 1
0 -3 -5 0 0 0 zj - cj
Max
3 5 0 0 0
Método simplex
INICIALIZACION
ITERACION:
1 DEFINIR VARIABLE QUE ENTRA (hacia dónde)
2 DEFINIR VARIABLE QUE SALE (hasta dónde)
3 DETERMINAR NUEVA SOLUCION BASICA
Método simplex
•Se elige como variable básica que sale aquella que llega más rápidamente a cero al incrementar la
variable entrante.
•Para ello, se selecciona como variable básica que sale la que tiene el menor valor de XBi /Yij , para
todos los Yij > 0.
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0 Yij = 0
h2 0 12 0 2 0 1 0 12/2 = 6
h3 0 18 3 2 0 0 1 18/2 = 9
0 -3 -5 0 0 0
Max 3 5 0 0 0
Yij
Método Método
simplex simplex
INICIALIZACION
ITERACION:
1 DEFINIR VARIABLE QUE ENTRA (hacia dónde)
2 DEFINIR VARIABLE QUE SALE (hasta dónde)
3 DETERMINAR NUEVA SOLUCION BASICA
MétodoMétodo
simplexsimplex
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0
X2 5 6 0 1 0 1/2 0
h3 0 6 3 0 0 -1 1
30 -3 0 0 5/2 0
Max 3 5 0 0 0
Prueba de optimalidad:
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0
X2 5 6 0 1 0 1/2 0
h3 0 6 3 0 0 -1 1
30 -3 0 0 5/2 0
Max 3 5 0 0 0
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0
X2 5 6 0 1 0 1/2 0
h3 0 6 3 0 0 -1 1
30 -3 0 0 5/2 0
Max 3 5 0 0 0
Entra X1 a la base
Método simplex
VB CB XB X1 X2 h1 h2 h3
h1 0 4 1 0 1 0 0 4/1 = 4
X2 5 6 0 1 0 1/2 0 Yij = 0
h3 0 6 3 0 0 -1 1 6/3 = 2
30 -3 0 0 5/2 0
Max 3 5 0 0 0
Yij
Método simplex
VB CB XB X1 X2 h1 h2 h3
h1 0 2 0 0 1 1/3 -1/3
X2 5 6 0 1 0 1/2 0
X1 3 2 1 0 0 -1/3 1/3
36 0 0 0 3/2 1
Max 3 5 0 0 0
Prueba de optimalidad:
VB CB XB X1 X2 h1 h2 h3
h1 0 2 0 0 1 1/3 -1/3
X2 5 6 0 1 0 1/2 0
X1 3 2 1 0 0 -1/3 1/3
36 0 0 0 3/2 1
Max 3 5 0 0 0
Solución óptima
Método simplex
Observación:
Luego, las soluciones básicas para un PPL de n variables de decisión y m restricciones tendrán:
m variables básicas (> 0)
n variables no básicas (= 0)
Método simplex
Desarrollo
Tabla Inicial Optimo
En una empresa se quieren utilizar los recursos 1 y 2 en la producción de los productos A, B y C. La cantidad unitaria
necesaria de cada recurso para cada tipo de producto, la cantidad disponible de cada recurso y el beneficio unitario
de cada una
Base A B C h1 h2 Xb
h1 4 2 3 1 0 40
h2 2 2 1 0 1 30
z -3 -2 1 0 0 0
Base A B C h1 h2 Xb
A 1 0.5 0.75 0.25 0 10
Max
B 0 1 -0.5 -0.5 1 10
+1C z 0 -0.5 1.25 0.75 0 30
4 𝐴 +2 𝐵+3 𝐶 ≤ 40
2 𝐴 +2 𝐵+1 𝐶 ≤ 30
Base A B C h1 h2 Xb
4 𝐴 +2 𝐵+3 𝐶+h1=40
B
z
2 𝐴 +2 𝐵+1 𝐶+h 2=30
Base A B C h1 h2 Po
h1 4 2 3 1 0 40
h2 2 2 1 0 1 30
z -3 -2 -1 0 0 0
Base A B C h1 h2 Po
A 1 0,5 0,75 0,25 0 10
Max B 0 1 -0,5 -0,5 1 10 *-2
+1C z 0 -0,5 1,25 0,75 0 30 *3
4 𝐴 +2 𝐵+3 𝐶 ≤ 40
2 𝐴 +2 𝐵+1 𝐶 ≤ 30
Base A B C h1 h2 Po