Anda di halaman 1dari 165

Apuntes de lgebra

(Olga)
Ctedra Fauring
Estos apuntes se iniciaron durante el primer cuatrimestre de 2005, en base a las guas
docentes de la materia y a las clases de la profesora Olga Ambas. Colaboraron con la
correccin de los errores los profesores: Adriana Nuez, Jorge Ri, Valeria Amado y
Mariano Franco. La presente es una actualizacin hecha en el inicio del primer
cuatrimestre de 2012, en las que se agregaron numerosas correcciones de la profesora
Susana Puddu.
Este apunte no pretende reemplazar las clases de los docentes, sino slo facilitarles el
material a los alumnos en caso de que no puedan concurrir a las clases, y permitirles otra
lectura con algunos ejercicios adicionales.
En caso de detectar errores, se agradece comunicarlo a oambas@hotmail.com.
Al enviar el mail, poner en "asunto": APUNTE. De esta manera, ser posible seguir
corrigiendo el material para futuras ediciones.
L
L
1
2
PRCTICA 1
R
2
Plano y puntos del plano.
Para representar pares de nmeros, usaremos un "sistema de coordenadas ortogonal": dos
rectas que se cortan en ngulo recto. Si R es el conjunto de nmeros reales, pongamos
R
2
x, y : x R, y R
cuya representacin geomtrica es:
x
y
(x,y)
x
y
R
primer cuadrante segundo cuadrante
tercer cuadrante cuarto cuadrante
2
Los elementos de R
2
se llaman puntos del plano, siendo x la primera coordenada o
abscisa, e y la segunda coordenada u ordenada. El eje horizontal se llama eje x , el vertical
se llama eje y, y la interseccin de ambos ejes se llama origen.
Ejemplos de puntos:
x
y
(2,3)
(-3,2)
(-5,-1)
(3,-2)
1
1
-5
-1
-3
3
2
2 3
-2
Observemos que, aunque no es obligatorio, hemos elegido la misma escala en ambos
ejes.
Qu distingue a cada cuadrante? El signo de las coordenadas,
siendo:
1er cuadrante: x0, y0 2do cuadrante: x0, y0
3er cuadrante: x0, y0 4to cuadrante: x0, y0
Los puntos en los ejes son de la forma:
x, 0 en el eje x
0, y en el eje y
,
la interseccin de ambos es el origen O 0, 0.
x
y
(1,0)
(0,2)
(-4,0)
(0,-3)
(0,0)
Operaciones entre puntos. Ecuacin paramtrica de una recta.
Suma
Los puntos del plano se pueden sumar:
x, y x, y x x, y y
x
y
x x x+x
y
y
y+y
(x,y)+(x,y)=(x+x,y+y)
Construyendo un paralelogramo
a partir del origen y los puntos que
sumamos como indica la figura,
la diagonal de este paralelogramo
une el origen con el punto suma.
Regla del paralelogramo
Ejemplos
1. 1, 2 3, 5 4, 7
2. 1, 2 3, 5 2, 3
3. 1, 2 3, 5 4, 7
4. 1, 2 1, 5 0, 7
5. 1, 2 1, 2 0, 0.
Como ejercicio, se recomiendo hacer los dibujos correspondientes de 1 y 5.
Producto por escalares
Tambin se pueden multiplicar por escalares -esto es, por un nmero real:
x, y x, y
Ejemplo
Multipliquemos al punto 2, 1 por distintos escalares:
22, 1 4, 2
32, 1 6, 3
12, 1 2, 1.
Grafiquemos los puntos obtenidos:
x
y
(2,1)
2(2,1)
3(2,1)
(-1)(2,1)
Vemos que todos estos puntos estn alineados.
En general: x
0
, y
0
es una recta que pasa por el origen y el punto del plano x
0
, y
0
.
x
y
(2,1)
2(2,1)
3(2,1)
(-1)(2,1)
El vector x
0
, y
0
se llama opuesto al vector x, y. Adems, pondremos x, y en
lugar de 1x, y.
Con X notaremos puntos de R
2
, esto es, X x, y.
Consideremos ahora la recta L
0
: 2, 1 y a cada punto de la misma summosle el punto
0, 3. Como cada punto de la recta es de la forma 2, 1, al sumar 0, 3 obtenemos
obviamente el punto 2, 1 0, 3. Grficamente:
x
y
(2,1)
2(2,1)
3(2,1)
(-1)(2,1)
(-2,2)
(0,0)
(0,3)
(2,4)
Por ejemplo: (2,4)=(2,1)+(0,3)
Los puntos de la recta L
se obtienen sumndole
a cada pundo de la recta
el punto (0,3), que
llamaremos punto de paso.
L
L
0
L
0
Si le sumamos a cada uno de los puntos de una recta L
0
que pasa por el origen un punto
fijo, obtenemos -aplicando la regla del paralelogramo- una recta L con la misma direccin de
la primera, que pasa ahora por el punto que hemos sumado.
En este caso, la recta que pasa por el origen es 2, 1. El punto 2, 1 se llama vector
direccin de L y 0, 3 es un punto de paso.
Observemos que si ponemos 4, 2 en lugar de 2, 1 -o cualquier punto x
0
, y
0
0, 0 de
L
0
- y 2, 4 -o cualquier otro punto de L- hubiramos obtenido la misma recta.
En general, si x
0
, y
0
0, 0, la ecuacin
X x
0
, y
0
p, q
se llama ecuacin paramtrica de L, x
0
, y
0
es un vector direccin y p, q un punto de paso.
Para cada valor del parmetro obtenemos un punto de la recta.
x
y
L
L
P
+P
p
q
x
y
Para graficar, podemos construir una tabla del tipo
x, y
... ...
... ...
.
Por ejemplo, en el caso de L : 2, 1 0, 3 , obtenemos:
x, y
0 0, 3
1 2, 4
.
Vamos a ver ahora otro forma de escribir una recta, sin usar parmetro.
Ecuaciones implcita y explcita de una recta.
Consideremos la recta
L : X 2, 1 0, 3
Si x, y es un punto de la recta L, es
x, y 2, 1 0, 3
Pero para que dos puntos del plano sean iguales, deben ser iguales coordenada a coordenada.
Esa igualdad es equivalente a que se cumplan las dos igualdades siguientes:
x 2
y 3
Despejando el parmetro de la primera ecuacin, tenemos que
1
2
x. Reemplazando en la
segunda obtenemos que y
1
2
x 3, de donde
1
2
x y 3. Esta es la ecuacin implcita de
L.
En general, si A, B y C son nmeros reales con A 0 o B 0 entonces Ax By C es
la ecuacin implcita de una recta.
Ejemplos:
Graficar las rectas cuyas ecuaciones implcitas son, respectivamente:
1. L
1
: x 3y 2
2. L
2
: 5y 4
3. L
3
: x 3
Observemos que como sabemos que los puntos que satisfacen cada una de las ecuaciones
estn en una recta, en cada caso bastar con encontrar dos puntos.
1. Para L
1
: veamos las intersecciones de la recta con los ejes: si x 0, tenemos que y
2
3
; si
y 0 entonces x 2. Tenemos entonces que los puntos A 0,
2
3
L
1
y
B 2, 0 L
1
.
2. Para L
2
: es, cualquiera sea el valor de x, y
4
5
. Por ejemplo, los puntos C 0,
4
5
y
D 1,
4
5
son puntos de L
2
. L
2
es una recta horizontal.
3. Para L
3
: es, cualquiera sea el valor de y, x 3. Los puntos E 3, 0 y F 3, 1 estn en L
3
.
L
3
es una recta vertical.
x
y
A
B
C D
E
F
L
L
L
1
2
3
Observemos que si tenemos en general una ecuacin implcita Ax By C en la cual
B 0, vamos a poder despejar la variable y. Este es, por ejemplo, el caso de
L
4
: 3x y 2; si despejamos y obtenemos: y 3x 2. Esta es la ecuacin explcita de
L
4
.
En general, la ecuacin explcita de una recta es de la forma y mx b, donde m y b son
nmeros reales. m se llama pendiente de la recta y b ordenada al origen.
Ejemplo:
Graficar L
4
: y 3x 2.
Como antes, podemos ayudarnos con una tabla. La diferencia es que ahora, en lugar de darle
valores al parmetro para obtener un punto de la recta, le damos valores a x y obtenemos los
correspondientes valores de y:
x y
0 2
1 5
x
y
b=2
1
3
L
4
Si incrementamos en 1 unidad
el valor de la abscisa, aumenta
en 3 unidades el valor de la
ordenada.
La ordenada al origen
es donde la recta corta
al eje y.
5
1

En este caso, 3 es la pendiente.
(Podemos imaginar que en una
montaa, avanzando una unidad
en sentido horizontal, subimos
tres unidades: la pendiente es 3):
Ahora comparemos rectas con distintas pendientes. Para esto, vamos a graficar L
4
:
y 3x 2, L
5
: y 5x 2, L
6
: y
1
2
x 2.
x
y
b=2
4
L
L
L
5
4
6
m crece
Ahora, grafiquemos L
7
: y 3x 2, recta cuya pendiente es negativa.
x
y
x y
0 2
1 -1
L
7
2
1
-1
Recta con
pendiente
negativa.
(Observemos que, al avanzar
una unidad, bajamos tres:
la pendiente es -3).
(Si la pendiente es negativa, podemos imaginar que, en lugar de subir una montaa,
estamos bajando.)
Dados dos puntos, hallar la ecuacin explcita de la recta que pasa por ambos.
1. Supongamos que queremos hallar la ecuacin explcita de la recta L
8
que pasa por los puntos
P 1, 2 y Q 3, 4. Como los puntos tienen distinta abscisa, la recta que pasa por ambos
no es vertical, luego, tiene ecuacin explcita: y mx b. Como P y Q son puntos de la recta,
se deben verificar las ecuaciones:
2 m. 1 b
4 m. 3 b
Restando miembro a miembro, logramos eliminar b, obteneniendo: 6 4m.
Entonces, m
6
4

3
2
. Ahora reemplazamos el valor obtenido en cualquiera de las dos
ecuaciones. Eligiendo la primera tenemos que: 2
3
2
1 b, de donde b 2
3
2

1
2
. Entonces, la recta que pasa por P y Q tiene ecuacin: L
8
: y
3
2
x
1
2
.
x
y
1
-2
-3
4
-1/2
y=(-3/2)x-1/2
2. Si los puntos tienen la misma abscisa, la recta que pasa por ambos es vertical, y no tiene
ecuacin explcita. Por ejemplo, si P 3, 2 y Q 3, 4, la ecuacin de la recta que pasa por
ambos es x 3.
x
y
3
-2
4
x=3
P
Q
Dada la ecuacin explcita, hallar la ecuacin paramtrica.
Supongamos que queremos hallar la ecuacin paramtrica de
L
8
: y
3
2
x
1
2
Si un punto est en esta recta, entonces es de la forma x,
3
2
x
1
2
.
Observemos que:
x,
3
2
x
1
2
x,
3
2
x 0,
1
2
x 1,
3
2
0,
1
2
. Luego, la
ecuacin paramtrica de L
8
es
X x 1,
3
2
0,
1
2
donde 1,
3
2
es el vector direccin y 0,
1
2
es un punto de paso.
Observemos que en general, si
L : y mx b,
entonces un punto de L es de la forma x, mx b. Y como
x, mx b x, mx 0, b x1, m 0, b
obtenemos la siguiente ecuacin paramtrica de L :
X x1, m 0, b.
Observemos que si L : y mx b, entonces 1, m es un vector direccin y 0, b es un
punto de paso.
Ejemplo:
Dada la recta L
9
: 2x y 3, queremos hallar una ecuacin paramtrica de esta recta.
Por lo visto recin, es inmediato hallar la ecuacin paramtrica a partir de la explcita.
Entonces, despejamos y 2x 3. En este caso es m 2 y b 3, obteniendo
X x1, 2 0, 3 la ecuacin paramtrica buscada.
Si no recordamos la forma general, observamos que si X x, y es un punto de L
9
, entonces,
como y 2x 3, resulta X x, 2x 3 x, 2x 0, 3 x1, 2 0, 3.
x
y
L
9
1
-2
3
Rectas paralelas
Ejemplos
Graficar, escribir en forma explcita y determinar la pendiente de las siguientes rectas:
L
1
: X 1, 3 1, 2, L
2
: X 2, 6 2, 1,
L
3
: X 3, 2 0, 2, L
4
: X 1, 4 1, 3.
Grafiquemos primero L
1
. Para esto, consideremos la recta auxiliar L : X 1, 3 , y
despus a cada punto de L le sumamos el punto de paso 1, 2.
x
y
1
1
3
-1
2
5
L
L
Ambas rectas tienen
el mismo vector direccin.
L pasa por el origen,
L
1
pasa por el (-1,2).
Agreguemos ahora L
2
: X 2, 6 2, 1.
x
y
1
1
3
-1
-1
2
2
2
6
5
L
L
L
L
L
1
2
El vector direccin de
es un mltiplo del
vector direccin de
Escribamos L
1
en forma explcita: si
x, y 1, 3 1, 2
entonces
x 1
y 3 2
De la primera ecuacin obtenemos x 1.
Reemplazamos en la segunda el valor de obtenido y obtenemos que y 3x 1 2 , de
donde la ecuacin explcita de L
1
es L
1
: y 3x 5.
Hacemos lo mismo para el caso de L
2
: si
x, y 2, 6 2, 1
entonces
x 2 2
y 6 1
De la primera obtenemos
x2
2

1
2
x 1. Reemplazamos en la segunda ecuacin:
y 6
1
2
x 1 1. Ahora la ecuacin explcita es L
2
: y 3x 7 .
Definicin: dos rectas son paralelas si tienen igual pendiente o si ambas son rectas
verticales.
Observemos que si dos rectas estn dadas en forma paramtrica, son paralelas si el
vector direccin de una es mltiplo del vector direccin de la otra.
Entonces, para ver si dos rectas son paralelas, si estn dadas en forma explcita: comparamos
sus pendientes. Si estn dadas en forma paramtrica: comparamos sus vectores direccin.
Por ejemplo, como 2, 6 21, 3, las rectas L
1
y L
2
son paralelas.
Grafiquemos ahora L
3
: X 3, 2 0, 2.
Observemos que 3, 2 31,
2
3
, de donde el vector 1,
2
3
nos da la misma direccin
que 3, 2. Entonces, se puede poner: L
3
: X 1,
2
3
0, 2. Pero entonces la
pendiente es m
2
3
. -ver final de la clase 1. Adems, vemos que la ordenada al origen es
b 2, de donde la ecuacin explcita es L
3
: y
2
3
x 2 .
En general, si el vector direccin es a, b, con a 0, entonces a, b a1,
b
a
y
m
b
a
.
x
y
1 3
-2/3
-2
Los puntos (1,-2/3) y (3,-2)
estn en la misma recta que
pasa por el origen.
Es (3,-2)=3(1,-2/3).
m=-2/3
Busquemos ahora la ecuacin explcita de L
4
: X 1, 4 1, 3.
Observamos que la pendiente es m
4
1
4. Ponemos entonces: y 4x b.
Para hallar b, usamos el punto de paso 1, 3 : 3 4. 1 b, de donde obtenemos b 1.
Es entonces L
4
: y 4x 1. Queda hacer el grfico como ejercicio.
Observacin:
Segn nuestra definicin, sabemos que L
1
: X 1, 3 y L
2
: X 2, 6 son rectas
paralelas ya que 2, 6 21, 3, esto es, el vector direccin de una es un mltiplo del vector
direccin de la otra. (Observar tambin que 1, 3
1
2
2, 6) En este caso, como son rectas
que pasan por el origen, al ser paralelas, son coincidentes. Grafiquemos.
x
y
x
y
1 2 3 4
1
2
3
4
5
6
1 2 3 4
1
2
3
4
5
6
(x,y)
(x,y)
Si bien para dibujar una recta
basta con darle dos valores
al parmetro, hemos agregado
en cada caso un tercer valor
para corroborar que las dos
rectas son coincidentes.
0
1
2
0
1
1/2
(0,0)
(1,3)
(2,6)
(0,0)
(2,6)
(1,3)
a a
b b
Si recordamos la interpretacin que le habamos dado a la pendiente, veamos que, en el
primer caso, si los puntos hallados inicialmente son 0, 0 y 1, 3, podemos ver que al
incrementar una unidad la primera coordenada, la segunda se incremento en tres. En el
segundo, si los puntos hallados inicialmente son 0, 0 y 2, 6, ahora, al incrementar dos
unidades la primera coordenada, la segunda se incremento en seis. Mantuvimos la
proporcin:
3
1

6
2
( pendiente). Recordando que los vectores direccin son,
respectivamente, 1, 3 y 2, 6, y la pendiente es
3
1
(
6
2
, podemos suponer que si
L
3
: X a, b es paralela a las anteriores, entonces
b
a
3. Efectivamente:
X a, b a1,
b
a
1,
b
a
, de donde m
b
a
.
Si hubiramos partido de rectas con vector direccin 0, b, no podramos tomar el
cociente
b
a
, estas rectas no tienen pendiente. Pero es fcil ver el paralelismo: son todas
paralelas entre s, pues son todas rectas verticales.
Ejercicios
1. Hallar una paralela a L : y 2x 4
a. que pase por A 0, 2,
b. que pase por B 1, 5.
2. Dar la forma paramtrica de la ecuacin de una recta paralela a L : X 5, 2 1, 0
a. que pase por 0, 0,
b. que pase por 1, 3.
Resolvemos:
1. Las rectas buscadas son paralelas a la dada, luego, todas tienen la misma pendiente m 2.
a. En este caso, la ordenada al origen es dato, siendo b 2.
La recta buscada es y 2x 2 .
b. Pongamos y 2x b. Como B es un punto de la recta, se debe verificar que 5 2. 1 b.
Despejando obtenemos que b 7.
La respuesta ahora es y 2x 7 .
2. Trabajamos ahora en forma paramtrica, por ser las rectas buscadas paralelas a la dada deben
tener como vector direccin un mltiplo del punto 5, 2. Podemos tomar directamente este
punto como vector direccin de ambas rectas.
a. Si ponemos X 5, 2, esta recta cumple lo pedido: si 0, X 0, 0, luego, pasa
por el origen.
b. Tomamos como punto de paso a 1, 3. La recta buscada es:
L : X 5, 2 1, 3.
Interseccin de rectas
Si tenemos dos rectas distintas en el plano, puede pasar que:
1. se corten en un slo punto
2. sean paralelas, por lo que no van a tener puntos en comn.
Observemos adems que dos rectas que tienen ms de un punto en comn, son la misma
recta, y en este caso, tambin son paralelas.
Grficamente:
x
y
-3
-4
L
L
L
L
1 1
2
2
:y=2x-3.
:y=3x-4.
Si (x,y) est en las dos rectas, entonces:
2x-3=3x-4.
Despejando:
x=1.
Reemplazando en cualquiera de las dos rectas:
y=-1.
(1,-1)
Caso 1:
x
y
1
3
L
L
1
2
Si (x,y) est en ambas rectas,
entonces
-x+3=-x+1.
Pero entonces, cancelando la variable x:
3=1.
Como esto ltimo es falso,
resulta que las rectas no tienen puntos comunes.
Caso 2:
L
L
1
2
:y=-x+3
:y=-x+1
Ejercicios
Calcular las intersecciones de L
1
y L
2
en cada caso. Los grficos quedan como ejercicio.
1. L
1
: x 4y 2 L
2
: 2x 8y 4
2. L
1
: x 4y 2 L
2
: 2x 8y 0
3. L
1
: x 4y 2 L
2
: x y 0
4. L
1
: 2x 3y 1 L
2
: X 1, 3 2, 2
5. L
1
: x 3y 1 L
2
: X 3, 1 1, 1
6. L
1
: X 1, 3 2, 2 L
2
: X 3, 1 2, 0
Soluciones:
1. Despejando y en cada una de las rectas, obtenemos: L
1
: y
1
4
x
1
2
, L
2
: y
1
4
x
1
2
.
Entonces, L
1
y L
2
son rectas coincidentes .
2. Procediendo de la misma manera que en el caso anterior, obtenemos: L
1
: y
1
4
x
1
2
,
L
2
: y
1
4
x. Estamos ahora en el caso de rectas paralelas no coincidentes:
L
1
y L
2
no tienen ningn punto en comn .
Observacin: Si Ax By C es la ecuacin implcita de una recta, y B 0, entonces al
despejar la variable y nos queda: y
A
B
x
C
B
, de donde m
A
B
.
Directamente, en este ejemplo y en el anterior, las rectas son paralelas porque
4
1

8
2
.
La diferencia entre los dos casos est dada por el trmino constante: en el caso anterior, vemos
que la segunda ecuacin implcita se obtiene de la primera multiplicando a ambos miembros
por 2, de donde tienen el mismo conjunto de soluciones.
En el segundo caso, multiplicamos por 2 todos los coeficientes del primer miembro, pero no el
trmino constante: ste ser el caso de paralelas no coincidentes.
3. Despejamos x en ambas ecuaciones, obteniendo ahora: L
1
: x 2 4y , L
2
: x y.
Entonces, si x, y es un punto que est en ambas rectas, debe ser 2 4y y, de donde y
2
3
.
Como x y, el punto en comn es
2
3
,
2
3
. Luego, L
1
L
2

2
3
,
2
3
.
4. Un punto P de L
2
es de la forma: P x, y 1, 3 2, 2 2, 3 2.
Si queremos que este punto est tambin en L
1
, se debe satisfacer la ecuacin:
2 2 33 2 1.
Despejando obtenemos:
1
11
.
Reemplazando en la expresin de P 2, 3 2, obtenemos que el punto en que se
intersecan ambas rectas es: P
1
11
2, 3
1
11
2.
Entonces, la interseccin de ambas rectas es el punto P
23
11
,
19
11
.
5. Procedemos de la misma manera que en el caso anterior: un punto P de L
2
es de la forma:
P x, y 3, 1 1, 1 3 1, 1.
Si queremos que tambin est en L
1
se debe verificar que 3 1 3 1 1. Pero
entonces 3 1 3 3 1, de donde 2 1. Esto significa que las rectas no se intersecan.
Otra manera de resolver este ejercicio es: comparando las pendientes, vemos que son iguales
por lo tanto las rectas son paralelas. Entonces, son coincidentes o no tienen ningn punto en
comn.
Un punto de L
2
es el 1, 1. Verificando que este punto no cumple la ecuacin implcita de L
1
,
llegamos a la conclusin de que no se intersecan.
6. Ahora ambas rectas estn dadas paramtricamente. Una manera de resolver el ejercicio es
escribir alguna (o las dos) en forma implcita y resolver como en los ejemplos anteriores. Otra
posibilidad es hallar directamente la interseccin sin reescribirlas:
Si X x, y es un punto de L
1
, entonces: x, y 1, 3 2, 2 2, 3 2.
Si X x, y es un punto de L
2
, entonces: x, y 3, 1 2, 0 3 2, .
Si el punto est en las dos rectas, debe ser 2, 3 2 3 2, .
Igualando coordenada a coordenada, obtenemos el sistema de incgnitas y :
2 3 2
3 2
Resolvemos. Como est despejada en la segunda ecuacin, reemplazamos en la primera:
2 33 2 2, de donde 1. Al tener el valor del parmetro , usamos L
1
y
obtenemos que x, y 1 2, 31 2 1, 1. Podramos obtener :
31 2 1. Utilizando la expresin de L
2
, x, y 3 2, 1 1, 1, por supuesto el
mismo punto. Entonces L
1
L
2
1, 1.
Cuidado! Si el ejecicio estuviera planteado: calcular la interseccin de
L
1
: X 1, 3 2, 2 y L
2
: X 3, 1 2, 0, lo primero que hay que hacer es
cambiarle el nombre al parmetro de una de las dos rectas. Podemos poner
L
2
: X 3, 1 2, 0, y recin ahora resolver. Si no hacemos esto, en general no vamos a
encontrar el punto en comn, por ejemplo, en este caso nos di 1 y 1: con distintos
valores de los respectivos parmetros se obtiene el punto buscado.
Dos ejemplos ms
1. Pasar a forma paramtrica la recta de ecuacin L : 2x 6.
Si x, y est en esta recta, debe verificar que x 3, luego, es de la forma 3, y. Como
3, y y0, 1 3, 0, la ecuacin paramtrica es y0, 1 3, 0. Directamente: al ser vertical,
podemos tomar como vector direccin el 0, 1 y como punto de paso se puede poner cualquiera
cuya primera coordenada sea 3.
x
y
3
1
El eje y tiene
ecuacin
x=0.
La recta x=3 es paralela
al eje y, y pasa por el
punto (3,0).
2. Hallar la ecuacin paramtrica de la recta que pasa por P 3, 2 y Q 9, 4.
x
y
2
4
m=
2
1
La recta que une los puntos (3,2) y (9,4)
tiene vector direccin (1,2/6).
Este vector tiene la misma direccin
que el vector (6,2).
6
Observemos que (9,4)-(3,2)=(6,2).
3 6 9
Veamos que, en general, la recta que pasa por P a, b y Q c, d tiene la direccin
de c a, d b:
si b d (esto es, la recta no es vertical, haga un dibujo), ya sabemos que podemos poner
como vector direccin el punto 1, m.
Pero 1, m 1,
db
ca
, y como c a, d b c a1,
db
ca
, podemos tomar c a, d b
como vector direccin.
si b d, observemos que c a, d b c a1, 0 , que tiene la direccin del punto
1, 0, con lo cual es una recta vertical. (Ahora c a, ya que los puntos P y Q son distintos.)
Directamente podemos observar que, dados P y Q, la ecuacin paramtrica de la recta
que pasa por ambos puntos es: X Q P P. Para verificar esto, basta con tomar 0
para obtener X P, y 1 para obtener X Q.
x
y
P
Q
Q-P
La recta que pasa por P y Q
tiene como vector direccin
a Q-P
Aplicaciones
1. Los costos operativos de una compaa crecen en forma lineal con el paso del tiempo. En dos
meses sucesivos los costos fueron $5000 y $6400. Estimar los costos tres meses despus (del
ltimo).
2. Dos talleres A y B producen un mismo repuesto. El taller A tuvo un costo de instalacin de
$7000 y cada repuesto vendido le produce una ganancia de $35. El taller B tuvo un costo de
instalacin de $4200 y cada repuesto vendido le da una ganancia de $30. Plantear las ecuaciones
que representan el balance de cada taller en funcin del nmero de repuestos vendidos. A
partir de cuntos repuestos vendidos el taller A tendr mayor beneficio que el de B?.
Solucin:
1. Nos estn informando que los costos operativos crecen linealmente con el paso del tiempo.
Podemos suponer que "arrancamos" en el intante x 0 con costos de $5000, luego, para x 2
stos sern de $6400. Como la dependencia es lineal, si llamamos y al costo, es: y mx b. Por
la primera condicin b 5000, por la segunda 6400 m. 2 5000. Entonces, m
64005000
2

700.
Resulta: y 700x 5000. Como nos estn pidiendo el costo para x 5, calculamos el costo
y 700 5 5000 8500 .
(Con * notaremos la multiplicacin, pues es el que usa el procesador que utilizamos)
2. La funcin balance del taller A es y
A
35x 7000 (lo que tiene es lo que gana por artculo
menos lo que gast).
Anlogamente, el balance del taller B es y
B
30x 4200. Aunque el ejercicio no lo pida,
grafiquemos. Para ubicarnos mejor, calculemos la interseccin de las rectas que representan los
balances:
y 35x 7000
y 30x 4200
Es entonces 35x 7000 30x 4200, luego x 560 e y 35 560 7000 12600. (
designa el producto usual de nmeros, escribiremos indistintamente 35x o 35 x). Esto significa
que si en ambos talleres se fabrican 560 productos, la ganancia ser (en los dos) de $12600.
x
y
-4200
-7000
560
12600
y
A
y
B
Al hacer 560 productos, se igualan los balances.
Si se fabrican menos de 560 productos,
el taller B tiene mayor beneficio.
Si se fabrican ms de 560 productos,
el taller A tiene mayor beneficio.
y
A
y
B
Entonces, a partir de los 560 productos el taller A va a tener mayor beneficio que el B.
Ms ejemplos
1. Resolver grfica y analticamente los siguientes sistemas
a.
3x 2y 1
x y 0
Si despejamos y en la segunda ecuacin, obtenemos: y x. Reemplazando el valor
obtenido de y en la primera ecuacin, nos queda que 3x 2x 1, de donde x
1
5
. Como
y x, resulta y
1
5
. Entonces, la solucin del sistema es:
1
5
,
1
5
. Si L
1
es la recta
definida por la primera ecuacin y L
2
la definida por la segunda, podemos poner:
L
1
L
2

1
5
,
1
5
.
x
y
1
1
1/5
1/5
x-y=0
3x+2y=1
L
L
1
2
b.
x 2y 1
3x 6y 3
Observamos que si multiplicamos la primera ecuacin miembro a miembro por "3",
obtenemos la segunda, luego, ambas tienen el mismo conjunto de soluciones.
En este caso, para expresar el conjunto de soluciones, debemos escribir la recta en forma
paramtrica, que es la que nos dice "cmo fabricar" los puntos: dndole valores al
parmetro.
De la primera ecuacin tenemos que x 2y 1, luego, un punto es solucin si es de la
forma
2y 1, y y2, 1 1, 0. La solucin del sistema son los puntos X 2, 1 1, 0.
x
y
-1
1/2
L =L
1 2
c.
2x y 3
4x 2y 1
Despejamos y de la primera ecuacin y obtenemos y 2x 3. Reemplazando en la
segunda ecuacin nos queda que 4x 22x 3 1. Distribuyendo obtenemos que
4x 4x 6 1, de donde si las rectas tuvieran un punto en comn, obtendramos que
6 1. Luego, las rectas no tienen puntos en comn .
Podemos obtener esta conclusin directamente observando los coeficientes: el primer
miembro de la segunda ecuacin es el doble que el primer miembro de la primera ecuacin,
no as el trmino independiente.
x
y
3/2
-3
1/4
-1/2
L
L
1
2
d.
2x y 1
x y 2
3x 2y 5
Si un punto verifica la primera y la segunda ecuacin, entonces (sumando miembro a
miembro ambas ecuaciones) tenemos que 3x 3, de donde x 1. Reemplazando este
valor en la primera ecuacin (o en la segunda) tenemos que y 1. Conclumos que las dos
primeras rectas tienen en comn el punto 1, 1. Nos fijamos si este punto verifica la tercera
ecuacin: 3. 1 2. 1 5. Como s la verifica, tambin est en la tercera recta. Indicamos la
solucin del sistema poniendo S 1, 1 .
e.
2x y 1
x y 2
3x y 4
Las dos primeras ecuaciones son las mismas que en el ejemplo anterior, de donde sabemos
que el punto 1, 1 es solucin del subsistema
2x y 1
x y 2
. Debemos fijarnos ahora si
este punto satisface la tercera ecuacin: 3. 1 1 4. Entonces, la recta definida por la
tercera ecuacin no pasa por el 1, 1, con lo que no hay ningn punto que est
simultneamente en las tres rectas. Para indicar que las tres rectas no tienen ningn punto
en comn ponemos: S .
x
y
1/2
-1
2
2
3
L
L
L
1
2
3
No hay ningn
punto que est
simultneamente
en las tres rectas.
f.
3x y 3
x
1
3
y 1
6x 2y 6
Si empezamos haciendo cuentas, despejemos y en la primera ecuacin: obtenemos
y 3x 3.
Reemplazamos en la segunda: x
1
3
3x 3 1. Distribuyendo, nos queda: -xx-1-1,
y simplificando obtenemos 00. Esto significa que todos los puntos de la primera ecuacin
satisfacen la segunda: ambas ecuaciones definen la misma recta.
Si reemplazamos ahora en la tercera: 6x 23x 3 6 nos queda que: 6x 6x 6 6.
Igual que antes, esta ecuacin define la misma recta que la primera.
En conclusin, el sistema tiene infinitas soluciones, y como x, 3x 3 x1, 3 0, 3,
la solucin del sistema expresada en forma paramtrica es X 1, 3 0, 3 .
2. Una compaa de enchapados para joyas de fantasa fabrica 2 mezclas distintas, ambas a base de
plata y oro.
La mezcla Premium lleva 7 g de polvo de oro por cada 3 g de polvo de plata.
La mezcla Standard lleva 4 g de polvo de oro por cada 6 g de polvo de plata. La compaa posee
en este momento un stock de 25 kg polvo de oro y 30 kg de polvo de plata.
Cuntos kg de cada tipo de mezcla debe fabricar para agotar el stock?
Solucin
Pongamos x kg de Premium a fabricar e y kg de Standard.
Como tenemos restricciones de stock, planteamos una ecuacin para la cantidad de oro
usado y otra para la de la plata.
Si se fabrican x kg de Premium, el oro gastado ah ser de
7
10
x : si dividimos el total de la
mezcla Premium fabricada en diez partes iguales, 7 sern de oro y 3 de plata (suponiendo
que todava no mezclamos- luego, hay
7
10
x de kg de oro en la mezcla Premium).
Anlogamente, si se fabrican y kg de Standard, el oro gastado ah es
4
10
y, luego, la
"ecuacin para el oro" es
7
10
x
4
10
y 25.
De la misma manera, construimos la "ecuacin para la plata": es
3
10
x
6
10
y 30.
Debe resolverse entonces el sistema
7
10
x
4
10
y 25
3
10
x
6
10
y 30
x 0, y 0
Observemos que x 0, y 0 pues se trata de kilos. Luego,
se deben fabricar 10kg de Premium y 45kg de Standard .
Hasta ac hemos trabajado slo con dos incgnitas. Ahora comenzaremos a hacerlo con
tres. Para eso, primero estudiaremos:
R
3
El espacio R
3
est formado por las ternas de nmeros reales:
R
3
x, y, z : x R, y R, z R .
El punto O 0, 0, 0 se llama origen.
x
y
z
P=(x,y,z)
O
As como el plano queda dividido en cuatro cuadrantes, ahora tenemos ocho octantes, de
acuerdo con el signo de las coordenadas.
Intentemos graficar los puntos A 0, 1, 1, B 3, 2, 3, C 0, 0, 1 y
D 5, 4, 0:
x
y
z
1
1 A
3
-2
3
B
-1
C
5
4
D
As como habamos definido suma de puntos en el plano y multiplicacin de un escalar
por un punto, definimos en el espacio:
1. x, y, z x, y, z x x, y y, z z
2. x, y, z x, y, z, siendo R.
Por ejemplo, 2, 1, 1 31, 0, 5 2, 1, 1 3, 0, 15 5, 1, 14.
Definimos ahora:
R
n
x
1
, x
2
, . . . , x
n
: x
1
R, x
2
R,..., x
n
R .
El punto O 0, 0, . . . , 0 se llama origen.
De la misma manera que en el plano y en el espacio, los puntos de R
n
se pueden sumar y
multiplicar por escalares. Por ejemplo, en R
4
:
31, 0, 0, 2 2, 1, 1, 6 3, 0, 0, 6 2, 1, 1, 6 5, 1, 1, 0.
Rectas en R
3
En cada caso, representar en un sistema de coordenadas en el espacio.
1. Todos los puntos de la forma 1, 2, 0 :
Dndole valores al parmetro , obtenemos puntos en el espacio:
(x,y,z)
0 0, 0, 0
1 1, 2, 0
1 1, 2, 0
x
y
z
1
2
-1
-2
L
Vemos que, al igual que en el plano, el grfico de X a, b, c es una recta que pasa por el
origen.
2. Todos los puntos de la forma 1, 2, 0 0, 0, 3:
Como antes, nos ayudamos con una tabla:
(x,y,z)
0 0, 0, 3
1 1, 2, 3
Como se trata de una recta, basta con obtener dos puntos. Grficamente:
x
y
z
3
Como en el plano, los puntos de la forma X V P estn en una recta. V se llama vector
direccin y P un punto de paso; esta ecuacin es la ecuacin paramtrica de la recta.
Igual que antes, dos rectas son paralelas si el vector direccin de una es mltiplo del vector
direccin de la otra.
3. Dar la ecuacin paramtrica de la recta que pasa por los puntos A 0, 1, 0 y B 0, 0, 4.
De la misma manera que en el plano, podemos poner X B A A: si 0 obtenemos
X A, si 1 obtenemos X B. El vector direccin es B A, el punto de paso es A.
La ecuacin es: X 0, 1, 4 0, 1, 0 .
Observemos que hay ms respuestas posibles. Por ejemplo: X A B B, o
X A B A, etc.
Como vector direccin se puede tomar cualquier mltiplo (no nulo) de B A, esto es,
cualquier vector de la forma kB A, con k 0, y como punto de paso cualquier punto de la
recta.
x
y
z
A
B
Observar que
B-A=(4,-1,0)
da la direccin
de la recta.
4
1 -1
B-A
4. Hallar la ecuacin paramtrica de la recta paralela a la anterior que pasa por P 0, 2, 5.
Ya que la recta que estamos buscando es paralela a la anterior, podemos tomar como vector
direccin 0, 1, 4. Como un dato es que la recta buscada pasa por 0, 2, 5, sta tiene ecuacin:
X 0, 1, 4 0, 2, 5 .
Posiciones relativas de dos rectas en R
3
Calcular la interseccin de L
1
y L
2
en los siguientes casos:
1. L
1
: X 1, 4, 2 3, 1, 0 L
2
: X 2, 1, 1 3, 3, 0
2. L
1
: X 2, 4, 2 3, 0, 2 L
2
: X 1, 2, 1 5, 4, 0
3. L
1
: X 2, 4, 2 3, 0, 2 L
2
: X 1, 2, 1 2, 0, 1
4. L
1
: X 1, 4, 2 3, 1, 0 L
2
: X 2, 1, 1 2, 7, 0
Soluciones:
El mtodo es similar al empleado en calcular las intersecciones de rectas en el plano
cuando ambas estaban dadas paramtricamente.
1. Si X x, y, z es un punto de L
1
, entonces
x, y, z 1, 4, 2 3, 1, 0 3, 4 1, 2.
Si X x, y, z es un punto de L
2
, entonces
x, y, z 2, 1, 1 3, 3, 0 2 3, 3, .
Si X x, y, z es un punto de ambas rectas, entonces ambas expresiones deben ser iguales, esto
es:
3, 4 1, 2 2 3, 3,
Igualando coordenada a coordenada, obtenemos el sistema de tres ecuaciones (una por cada
coordenada) y dos incgnitas ( y ):
3 2 3
4 1 3
2
1
2
3
En (3), tenemos a despejada. Reemplazamos en (1) y obtenemos 3 22 3, de donde
2. Como 2 , entonces 4. Cuidado, no nos olvidemos que todas las ecuaciones se
deben verificar (todas las coordenadas deben ser iguales), y no hemos an impuesto que se
verifique (2). Nos fijamos si los valores hallados de los parmetros satisfacen esta ecuacin:
4 2 1
?
4 3. S, se verifica: 7 7 (recordar que designa el producto de dos
nmeros).
Haciendo 2 en L
1
, obtenemos X 2 3, 4 2 1, 2 2 5, 7, 4.
Podemos chequear que no nos equivocamos haciendo 4 en L
2
, obteneniendo el mismo
punto X 2 4 3, 4 3, 4 5, 7, 4.
Entonces, L
1
L
2
5, 7, 4.
2. Procedemos igual que en el caso anterior, igualando los puntos de ambas rectas:
2, 4, 2 3, 0, 2 1, 2, 1 5, 4, 0
Esto es:
2 3, 4, 2 2 5, 2 4,
Igualando coordenada a coordenada:
2 3 5
4 2 4
2 2
1
2
3
En (3) tenemos ya despejada. Reemplazamos en (1): 2 3 2 2 5. Luego,
obtenemos que 2 3 2 3, esto es, 0 0. Y ? Lo que est pasando es que esta ecuacin
se cumple para todo valor de . Veamos qu pasa si reemplazamos en (2):
4 22 2 4. De ac tambin obtenemos que 0 0, entonces la ecuacin (2) tambin
se verifica para todo valor de .
Qu significa esto? Que con cualquier valor del parmetro se obtiene un punto comn de L
1
y
L
2
, esto es, son rectas coincidentes. Por ejemplo: si 0, obtenemos el punto de L
1
X 2 0 3, 4 0, 2 0 2 3, 0, 2. Tambin est en L
2
: usamos (3) para ver con qu
valor del parmetro se obtiene este punto en L
2
: 2. Utilizando este valor obtenemos el
punto de L
2
2 5, 2 2 4, 2 3, 0, 2. Queda como ejercicio comprobar que tienen otro
punto en comn (tomar por ejemplo 1). Nuevamente concluimos que son rectas
coincidentes, pues si tienen dos puntos en comn, son la misma recta. Esto es: L
1
L
2
L
1
.
3. Procediendo como antes, si X es un punto de L
1
y de L
2
entonces
X 2 3, 4, 2 2 2, 2, 1. Luego,
2 3 2
4 2
2 2 1
1
2
3
De (2) obtenemos que 2. Reemplazando en (1): 2 3 2 2, de donde...3 2!.
Esto significa que ningn valor de verifica la condicin pedida, pues si lo hubiera,
concluiramos que 3 2. Entonces, no hay puntos de L
1
que estn en L
2
.
Las rectas no tienen puntos comunes.
Observemos que los vectores direcciones cumplen 2, 4, 2 21, 2, 1, es decir, las rectas
son paralelas.
4. Ahora, X 3, 4 1, 2 2 2, 7, . Resolviendo como recin, llegamos
tambin a que
las rectas no tienen puntos comunes, sin embargo, ahora no son paralelas.
Esta situacin es nueva. En el plano, dos rectas que no son paralelas siempre tienen interseccin
no vaca. En el espacio hay ms lugar. Imaginemos por ejemplo las rectas que contienen las
siguientes aristas de un cubo:
Claramente, no son paralelas. Tampoco se cortan (estn contenidas en planos paralelos: una en
la cara de adelante del cubo, la otra en la de atrs).
Diremos que dos rectas son alabeadas si no son paralelas y su interseccin es vaca. (Observar
que esta condicin es equivalente a pedir que no exista un plano que las contenga a ambas.)
Planos en R
3
Ecuacin paramtrica. Ejemplos.
1. Representar en R
3
los puntos de la forma 1, 0, 0 0, 1, 0, R, R.
Si hacemos 0, nos quedan los puntos de la forma 1, 0, 0, que ya sabemos que es una
recta, y que pasa por el origen. Como son los mltiplos de 1, 0, 0, esta recta es el eje x.
Si hacemos 0, los puntos que obtenemos son de la forma: 0, 1, 0, que es el eje y.
Y si sumamos un punto del eje x con uno del eje y obtenemos un punto del "plano del piso":
P , , 0. Los parmetros pueden tomar cualquier valor, mientras que la tercera coordenada
debe ser 0.
x
y
z
O
Plano del piso:
z=0
P
2. Representar en R
3
los puntos de la forma 1, 0, 0 0, 1, 0 0, 0, 2, R, R.
Ahora, un punto del plano es de la forma X , , 2. Para graficar, podemos partir del plano
anterior, pero en este caso a cada punto del plano del piso "le damos altura 2":
x
y
O
(
(
,0)
z
2
z=2
, , 2)
Este plano es paralelo al anterior.
En general, si V R
3
, W R
3
, los puntos de la forma X V W estn en un plano que pasa
por el origen.
Y, si P R
3
, los puntos de la forma X V W P estn en un plano paralelo al anterior
que pasa por el punto P. Esta ecuacin se llama ecuacin paramtrica del plano.
Ejemplo
Representar en R
3
el plano que pasa por los puntos A 1, 1, 0, B 1, 0, 1 y
C 1, 0, 0.
Primero grafiquemos:
x
y
z
1
1
1
A
B
C
El plano buscado es el que
contiene el tringulo de
vrtices A, B y C.
En particular, contiene los
segmentos AC y BC.
Ahora queremos encontrar la ecuacin paramtrica de este plano. Para esto, veamos primero
cul es la ecuacin paramtrica del plano paralelo que pasa por el origen,
0
, que es ms
fcil.
x
y
z
1
A
B
C
El plano paralelo que pasa por el origen
contiene los puntos V=(0.1.0) y W=(0,0,1).
V
W
Observemos que
V 0, 1, 0 1, 1, 0 1, 0, 0 A C, W 0, 0, 1 1, 0, 1 1, 0, 0 B C
Entonces, la ecuacin de
0
es X 0, 1, 0 0, 0, 1 (No hace falta sumarle el punto de
paso P 0, 0, 0. ) Ahora, lo trasladamos y hacemos que pase por C 1, 0, 0, obteniendo
la ecuacin de :
X 0, 1, 0 0, 0, 1 1, 0, 0.
En general, la ecuacin paramtrica del plano que pasa por los puntos no alineados (se
pueden pensar como los vrtices de un tringulo) A, B y C es
X A C B C C
Ecuacin implcita de un plano.
Ejemplo
Supongamos que tenemos la siguiente ecuacin paramtrica de un plano:
X 1, 0, 2 2, 1, 3 4, 1, 1.
Los puntos que estn en este plano verifican
x, y, z 2 4, 1, 2 3 1.
Si igualamos coordenada a coordenada obtenemos el sistema:
x 2 4
y 1
z 2 3 1
.
Queremos ahora "eliminar" los parmetros y , para poder ver directamente cul es la
relacin que deben tener las coordenadas de un punto para que est en el plano dado.
Despejando de la segunda ecuacin, tenemos que y 1.
Sustituyendo este valor en la primera ecuacin, nos queda que: x 2y 1 4
2y 6.
Ahora podemos despejar : x 2y 6.
Sustituimos las expresiones obtenidas de los parmetros en funcin de las coordenadas en la
tercera ecuacin: z 2x 2y 6 3y 1 1 2x y 10. Pasando a la derecha los
trminos que contienen las variables, obtenemos la ecuacin implcita del plano:
2x y z 10.
En general, la ecuacin implcita de un plano es de la forma Ax By Cz D, siendo
alguno de los coeficientes A, B o C distinto de 0.
Ejercicio
Representar los puntos de R
3
que satisfacen:
1. x 0.
2. y 0.
3. z 0.
4. z 2.
5. x y 1.
6. x y z 3.
Soluciones:
1. Como tres puntos no alineados determinan un plano, dibujemos tres puntos que verifiquen la
condicin de que la primera coordenada sea 0. Por ejemplo A 0, 0, 0, B 0, 1, 0,
C 0, 0, 1.
Podramos poner tambin que, si X est en el plano, es de la forma
X 0, y, z y0, 1, 0 z0, 0, 1. En particular, haciendo z 0, vemos que estn en el plano
los puntos de la forma y0, 1, 0 -el eje y- y los puntos de la forma z0, 0, 1 -el eje z-. Este plano
se llama plano coordenado yz.
x
y
z
O
1
1
x=0
2. De la misma manera que en el caso anterior, podemos dar la ecuacin paramtrica del plano
X x, 0, z x1, 0, 0 z0, 0, 1. Este plano se llama plano coordenado xz. El dibujo queda
como ejercicio.
3. Ahora es X x, y, 0 x1, 0, 0 y0, 1, 0. ste es el plano coordenado xy donde el dibujo es
el "plano del piso".
4. Queremos ahora que z 2, luego, un punto va a estar en este plano si es de la forma
X x, y, 2 x1, 0, 0 y0, 1, 0 0, 0, 2. Es un plano paralelo al anterior que pasa por el
punto 0, 0, 2. El dibujo est en el ejemplo 2 del apartado anterior.
5. Si x y 1 entonces y 1 x; z es cualquier punto pues no tiene ninguna restriccin.
De ac resulta que un punto de este plano es de la forma
X x, 1 x, z x1, 1, 0 z0, 0, 1 0, 1, 0.
Para graficar, podemos ayudarnos con el plano x1, 1, 0 z0, 0, 1, que es el paralelo que pasa
por el origen y contiene las rectas: x1, 1, 0 y z0, 0, 1. Luego, lo trasladamos al punto
0, 1, 0.
x
y
z
O
x z P=(x,1-x,z)
0 0 (0,1,0)
0 1
(0,1,1)
1 0 (1.0.0)
Otra forma de resolver es encontrando tres puntos no alineados que estn en el plano. Un punto
es el de paso: 0, 1, 0. Para encontrar otros, les damos valores a los parmetros: si x 0 y
z 1, obtenemos X 0, 1, 1; si x 1 y z 0, X 1, 0, 0.
6. Observamos que este plano contiene los puntos 3, 0, 0, 0, 3, 0 y 0, 0, 3. Para obtener la
ecuacin paramtrica, podemos despejar z, obteniendo: z 3 x y. Luego, un punto X del
plano es de la forma X x, y, 3 x y x1, 0, 1 y0, 1, 1 0, 0, 3.
(3,0,0)
(0,3,0)
(0,0,3)
El plano buscado
es el que contiene
a este tringulo.
Interseccin de planos. Ecuacin implcita de una recta.
Como hemos visto, una ecuacin lineal en el plano representa una recta. Sin embargo, en
el espacio, representa un plano. Para obtener una recta, podramos pensarla como
interseccin de dos planos no paralelos. Por ejemplo: si consideramos los planos dados por
x 0, e y z 1, el siguiente sistema, dado por las ecuaciones de ambos planos
x 0
y z 1
representa la recta interseccin. Diremos que sta es la ecuacin implcita de
esta recta.
Hallar la solucin del sistema es hallar la ecuacin paramtrica de esta recta, la cual nos
da una manera de generar todos los puntos que verifiquen ambas ecuaciones. En este caso, de
la segunda ecuacin obtenemos que z 1 y. Como x 0, la ecuacin paramtrica de la
recta es X 0, y, 1 y y0, 1, 1 0, 0, 1 .
Interseccin de una recta con un plano.
Calcular la interseccin de L y en cada caso:
1. L
1
: X 1, 3, 1 2, 2, 0 y : x y z 1.
2. L
2
: X 1, 1, 0 1, 0, 1 y : x y z 1.
3. L
3
: X 1, 1, 0 2, 0, 1 y : x y z 1.
Solucin
1. Si un punto X est en L
1
, entonces X x, y, z 2, 3 2, . Si adems este punto est
en el plano , entonces debe satisfacer la ecuacin x y z 1. Reemplazando las
coordenadas de X es esta ecuacin, obtenemos 2 3 2 1, de donde 1.
Entonces X 1 2, 3 1 2, 1 1, 1, 1. Luego, X L
1
1, 1, 1.
2. Ahora un punto de la recta es de la forma x, y, z 1, , 1. Reemplazando en la ecuacin
del plano obtenemos 1 1 1, de donde 2 1. De ac concluimos que X L
2

(no se cortan).
3. Ahora tenemos x, y, z 2, , 1, y al reemplazar en la ecuacin del plano
2 1 1 nos queda 1 1. Todo punto de la recta satisface la ecuacin del plano,
entonces X L
3
L
3
(la recta est contenida en el plano).
1
2
3
L
L
L
Posiciones relativas entre
rectas y planos
Ejercicios varios
1. Sean L
1
: y 5x 3; L
2
: X t2, 1 5, 0; P el punto de L
1
con ordenada igual a 7 y Q el
punto de L
2
con abscisa igual a 2.
Encontrar la ecuacin paramtrica de la recta que pasa por P y Q.
2. Sean L
1
la recta de direccin 2, 1 que pasa por 8, 2 y L
2
la recta de ecuacin
X 1, 1 9, 7.
Hallar, si existe, el punto de R
2
en que se cortan L
1
y L
2
.
3. Sea L la recta de R
3
que pasa por A 1, 3, 1 y B 4, 1, 0.
Hallar el punto de L cuya segunda coordenada sea igual a 0.
4. Para la recta del ejercicio anterior, hallar todos los puntos que estn en alguno de los planos
coordenados.
Soluciones:
1. Para encontrar P, hacemos y 7 y despejamos x de 7 5x 3: es x 2. Entonces, P 2, 7.
Para encontrar Q, vemos que los puntos de L
2
son de la forma Q 2t 5, t. Si la abscisa es 2,
resulta que 2t 5 2, luego, t
25
2

3
2
.
Reemplazando t por su valor, obtenemos Q 2,
3
2
.
La recta que pasa por P y Q es X Q P P 2,
3
2
2, 7 2, 7, luego la
respuesta es X 0,
17
2
2, 7.
2. Es L
1
: X 2, 1 8, 2, luego, un punto de esta recta es de la forma 2 8, 2.
Un punto de L
2
es de la forma 9, 7.
Si un punto est en ambas rectas, debe ser 2 8, 2 9, 7.
Entonces:
2 8 9
2 7
.
De la segunda ecuacin obtenemos 5; reemplazando en la primera:
2 8 5 9, de donde 4.
El punto buscado es entonces 24 8, 4 2 0, 2. Esto es,
el punto interseccin de las rectas es (0,2) .
Observemos que 5 4 5 9, de donde podramos haber obtenido la solucin
calculando 9, 7 0, 2 para 9.
3. Para hallar la recta que pasa por A y B primero hallamos la direccin:
B A 4, 1, 0 1, 3, 1 3, 2, 1. Entonces, la recta tiene ecuacin paramtrica:
X 3, 2, 1 1, 3, 1. Luego: X 3 1, 2 3, 1.
Si la segunda coordenada es 0, resulta 2 3 0, de donde
3
2
.
Reemplazando en la expresin genrica de un punto de la recta haciendo
3
2
, obtenemos el
punto
11
2
, 0,
1
2
.
Entonces, el punto de L se segunda coordenada 0 es
11
2
, 0,
1
2
.
4. Nos piden hallar los puntos de la recta de ecuacin X 3 1, 2 3, 1 que estn en
alguno de los planos coordenados. Si observamos lo que hemos hecho en el ejercicio anterior,
hemos hallado uno de los puntos pedidos, ya que
a. intersecar con el plano coordenado yz es buscar el punto que tiene primera coordenada
igual a 0,
b. intersecar con el plano coordenado xz es buscar el punto que tiene segunda coordenada
igual a 0,
c. intersecar con el plano coordenado xy es buscar el punto que tiene tercera coordenada igual
a 0.
Ya hemos hecho b. Ahora vamos a hacer a., quedando c. como ejercicio.
Es X 3 1, 2 3, 1, y nos piden que 3 1 0, entonces
1
3
, con lo cual
X 3
1
3
1, 2
1
3
3,
1
3
1 0,
11
3
,
4
3
.
Entonces, el punto de la recta que est en el plano coordenado yz es X 0,
11
3
,
4
3
.
PRCTICA 2
Sistemas de ecuaciones
Hasta aqu hemos visto sistemas de ecuaciones de hasta 3 incgnitas.
Ejemplo:
Escribir en forma paramtrica las soluciones de las siguientes ecuaciones o sistemas
de ecuaciones en R
3
:
1. x 3y z 0
2.
x y 1
z 2
Solucin:
1. Despejamos z, obteniendo z x 3y. Un punto es solucin del sistema si es
de la forma X x, y, x 3y x1, 0, 1 y0, 1, 3, esto es, la solucin dada en
forma paramtrica es X x1, 0, 1 y0, 1, 3.
2. De la primera ecuacin, despejamos y, obteniendo y 1 x. Entonces, X es
solucin si X x, 1 x, 2 x1, 1, 0 0, 1, 2. Ahora, la solucin expresada
paramtricamente es X x1, 1, 0 0, 1, 2.
En el primer caso, tenemos un plano en el espacio; en el segundo tenemos una recta.
Resolver estos sistemas es inmediato, lo que queremos hacer ahora es dar un mtodo
sistemtico para resolver sistemas lineales que pueden tener ms ecuaciones y ms
incgnitas.
Tendremos m ecuaciones lineales con n incgnitas. En el primer ejemplo, hay una
ecuacin: m 1, en el segundo: m 2. En ambos hay 3 incgnitas: n 3.
En lo que sigue, en lugar de x, y, z usaremos x
1
, x
2
, ..., x
n
.
A los coeficientes que multiplican las variables los notaremos a
ij
: el primer ndice nos
dir en qu ecuacin est ubicado, y el segundo a qu variable multiplica. A los trminos
independientes los llamaremos c
i
: el subndice nos dice en qu ecuacin est.
En general, un sistema de m ecuaciones lineales con n incgnitas es de la forma:
S
a
11
x
1
a
12
x
2
. . . a
1n
x
n
c
1
a
21
x
1
a
22
x
2
. . . a
2n
x
n
c
2
. . .
a
m1
x
1
a
m2
x
2
. . . a
mn
x
n
c
m
Si todos los trminos independientes son cero, el sistema se llama homogneo.
Es el caso del primer ejemplo dado arriba.
Todo sistema tiene un sistema homogneo asociado: el que se obtiene a partir de las
mismas ecuaciones, pero cambiando todos los c
i
por 0.
Por ejemplo, el sistema homogneo asociado al ejemplo 2 es
x y 0
z 0
.
Notacin matricial:
Con los coeficientes de las m ecuaciones de un sistema de n incgnitas se arma una
matriz de m por n (una fila por ecuacin, una columna por incgnita):
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
. . .
a
m1
a
m2
. . . a
mn
Esta matriz se llama matriz de coeficientes del sistema.
La matriz ampliada es la que se obtiene agregando una columna con los trminos
independientes:
a
11
a
12
. . . a
1n
c
1
a
21
a
22
. . . a
2n
c
2
. . .
a
m1
a
m2
. . . a
mn
c
m
Si la matriz de coeficientes tiene m filas y n columnas, la matriz ampliada tiene m filas y
n1 columnas.
Ejemplo
Dado el sistema: S
x
1
x
2
x
3
2x
4
2
x
2
x
3
x
4
1
1. Ver si los puntos: A 0, 0, 0, 0; B 3, 1, 0, 0; C 1, 1, 0, 0;
D 0, 1, 0, 0 son soluciones del sistema.
2. Hallar la matriz de coeficientes.
3. Hallar la matriz ampliada.
4. Escribir en forma paramtrica las soluciones del sistema.
Soluciones
1. Para cada punto dado, debe verse que satisfaga todas las ecuaciones del
sistema:
en el caso de A, claramente no es solucin pues 0 0 0 2 0 2.
Observemos que para que el origen sea solucin, el sistema debe ser
homogneo.
Para B: como
3 1 0 2. 0 2
1 1
, resulta que B es solucin del sistema.
C no es solucin porque, si bien verifica la primera ecuacin, no verifica la
segunda; D no es solucin porque no verifica la primera ecuacin -aunque
verifica la segunda.
2. Matriz de coeficientes:
1 1 1 2
0 1 1 1
.
3. Matriz ampliada:
1 1 1 2 2
0 1 1 1 1
.
4. Para hallar las soluciones, procedemos como lo hacamos en la prctica 1.
Despejemos por ejemplo x
4
de la segunda ecuacin:
x
4
1 x
2
x
3
Ahora los sustituimos en la primera:
x
1
x
2
x
3
21 x
2
x
3
2.
Distribuyendo y agrupando, obtenemos:
x
1
x
2
3x
3
2 2.
Despejemos x
3
:
x
3

2 x
1
x
2
2
3

x
2
3

x
1
3

4
3
.
Tenemos entonces x
3
en funcin de x
1
y x
2
; reemplazando esta expresin en la
que tenamos de x
4
, obtendremos tambin x
4
en funcin de x
1
y x
2
:
x
4
1 x
2

x
1
3

x
2
3

4
3

1
3
x
1

4
3
x
2

7
3
.
Un punto X x
1
, x
2
, x
3
, x
4
es solucin si verifica
X x
1
, x
2
,
x
1
3

x
2
3

4
3
,
1
3
x
1

4
3
x
2

7
3
x
1
1, 0,
1
3
,
1
3
x
2
0, 1,
1
3
,
4
3
0, 0,
4
3
,
7
3
.
La solucin paramtrica es entonces
X x
1
1, 0, 1, 1 x
2
0, 1, 1, 2 0, 0, 4, 5.
Triangulacin. Mtodo de Gauss. Rango de una matriz
Observemos que si tenemos el sistema
S :
x
1
x
2
x
3
3
x
2
x
3
0
x
3
2
,
tiene solucin inmediata: de la ltima ecuacin obtenemos el valor de x
3
, sustituyendo en la
segunda obtenemos x
2
y, reemplazando x
2
y x
3
por sus valores en la primera, obtenemos
x
1
. La solucin es el punto: 1, 2, 2.
No todos los sistemas son tan inmediatos, por ejemplo:
S :
2x
1
2x
2
2x
3
6
3x
2
4x
3
2
x
2
x
3
0
no es tan inmediato de resolver. Sin embargo, la solucin de ambos sistemas es la misma.
Diremos que dos sistemas son equivalentes tienen el mismo conjunto de soluciones.
Es el caso de S y S. La notacin que usaremos es: S S.
Lo que sigue tiene por objeto obtener un sistema equivalente a uno dado, de manera que
sea ms fcil encontrar el conjunto de soluciones. Para esto, veamos qu operaciones se
pueden realizar.
Operaciones elementales
1. Si tenemos una ecuacin y multiplicamos a ambos miembros por un nmero
no nulo, no alteramos el conjunto de soluciones. En general, si tenemos un
sistema S, el sistema S que se obtiene multiplicando una ecuacin del mismo por
un escalar no nulo es un sistema equivalente al dado.
Por ejemplo, el sistema
S
1
:
2x
1
2x
2
2x
3
6
x
2
x
3
0
x
3
2
es equivalente a S dado arriba.
Hemos multiplicado por 2 la primera ecuacin.
En trminos de matrices asociadas, podemos abreviar lo hecho poniendo
F
i
kF
i
, k 0 : indicamos as que se ha multiplicado por k la fila i.
Podemos escribir tambin: F
i
kF
i
: en lugar de F
i
pusimos kF
i
.
2. Intercambiar dos ecuaciones en un sistema nos da un sistema equivalente.
Por ejemplo, si
S
2
:
2x
1
2x
2
2x
3
6
x
3
2
x
2
x
3
0
entonces S
2
S
1
.
Podemos indicar lo hecho poniendo:
F
i
F
j

F
j
F
i
.
Tambin como F
i
F
j
: F
i
intercambi su lugar con F
j
.
3. Reemplazar una ecuacin por ella misma ms un mltiplo de otra.
Por ejemplo, S
3
:
2x
1
2x
2
2x
3
6
3x
2
4x
3
2
x
2
x
3
0
se ha obtenido a partir de S
2
reemplazando la segunda ecuacin por ella misma ms 3 veces la tercera.
Detallemos los pasos realizados: considerando la segunda ecuacin de S
2
junto
con la tercera, esto es,
x
3
2
x
2
x
3
0
, hemos multiplicado la ltima por "3"
x
3
2
3x
2
3x
3
0
y luego hemos sumado miembro a miembro, obteniendo
3x
2
4x
3
2.
Los sistemas son equivalentes porque, as como de S
2
podemos pasar a S
3
,
tambin de S
3
podemos pasar a S
2
.
Abreviadamente, escribimos: F
i
F
i
kF
j
.
Lo indicamos tambin como: F
i
F
i
kF
j
: en lugar de F
i
pusimos F
i
kF
j
.
Observemos que S
3
S, de donde vemos que a partir de S llegamos a S haciendo
operaciones elementales. El ms fcil de resolver era S, luego, si nos dan S lo tratamos de
llevar a una forma equivalente del tipo como est presentado S: aclaremos cmo es.
Matriz triangulada:
Una matriz de m filas y n columnas est triangulada por filas si en cada fila hay por lo
menos un cero ms que en la fila de arriba, yendo de izquierda a derecha.
Ejemplos:
1. Si la matriz tiene una sola fila, no hay condicin. Est (trivialmente)
triangulada.
2.
1 1 1 2
0 1 5 0
,
1 1 1 2
0 0 5 0
,
1 1 1 2
0 0 0 0
,
0 1 1 2
0 0 1 0
estn
trianguladas,
3.
1 1 1 2
1 1 5 0
,
0 1 1 2
0 1 0 0
no lo estn.
4.
1 1 1 2
0 1 5 0
0 0 10 0
y
1 1 1 2
0 1 5 0
0 0 0 0
estn trianguladas.
5.
1 1 1 2
0 1 5 0
0 2 10 0
y
1 1 1 2
0 0 0 1
0 0 0 5
no lo estn
Mtodo de Gauss
ste es un mtodo sistemtico que encuentra una matriz triangulada equivalente a una
dada. El sistema asociado a la matriz triangulada ser equivalente al dado inicialmente,
pero de resolucin inmediata.
Ejemplos
1. Encontrar una matriz triangulada por filas equivalente a
0 1 3
1 1 1
2 0 2
.
Es
0 1 3
1 1 1
2 0 2

F
1
F
2
1 1 1
0 1 3
2 0 2

F
3
F
3
2F
1
1 1 1
0 1 3
0 2 0

F
3
F
3
2F
2
1 1 1
0 1 3
0 0 6
.
Observemos que la matriz
1 1 1
0 1 3
0 0 1
tambin es triangular y es equivalente a
la dada.
2. Obtener sistemas equivalentes a los dados que tengan matriz triangular:
a.
x
1
2x
2
3x
3
1
2x
1
4x
2
x
3
2
x
2
x
3
1
b.
x
1
2x
2
3x
3
1
2x
1
4x
2
x
3
2
7x
3
4
Solucin
1. a. La matriz ampliada asociada al sistema es
1 2 3 1
2 4 1 2
0 1 1 1
Triangulamos:
1 2 3 1
2 4 1 2
0 1 1 1

F
2
F
2
2F
1
1 2 3 1
0 0 7 4
0 1 1 1

F
2
F
3
1 2 3 1
0 1 1 1
0 0 7 4
.
Luego, es sistema
x
1
2x
2
3x
3
1
x
2
x
3
1
7x
3
4
es equivalente al dado.
b. Partimos ahora de
1 2 3 1
2 4 1 2
0 0 7 4
.
Como antes, tenemos
1 2 3 1
2 4 1 2
0 0 7 4

1 2 3 1
0 0 7 4
0 0 7 4
.
Como esta ltima matriz no est triangulada, debemos seguir un paso
ms.
Calculamos entonces:
1 2 3 1
0 0 7 4
0 0 7 4

F
3
F
3
F
2
1 2 3 1
0 0 7 4
0 0 0 0
.
Rango de una matriz:
El rango de una matriz es la cantidad de filas no nulas que quedan al terminar de
triangularla. (Una fila nula es la que tiene todos sus coeficientes iguales a cero.)
Por ejemplo:
El rango de
1 2 3 1
2 4 1 2
0 1 1 1
es 3, porque ya hicimos la triangulacin
correspondiente y sabemos que es equivalente a la matriz.
1 2 3 1
0 1 1 1
0 0 7 4
, que ya
est triangulada y tiene sus tres filas no nulas.
El rango de
1 2 3 1
2 4 1 2
0 0 7 4
es 2, ya que
1 2 3 1
2 4 1 2
0 0 7 4

1 2 3 1
0 0 7 4
0 0 0 0
: la cantidad de filas no nulas al terminar de
triangular es dos.
Es importante sealar que el rango no depende de la triangulacin efectuada. La ltima
matriz calculada puede ser distinta, pero no la cantidad de filas no nulas.
Por ejemplo, haciendo otras operaciones elementales, podemos concluir que
1 2 3 1
2 4 1 2
0 0 7 4

1 2 3 1
0 0 1
4
7
0 0 0 0
. Obviamente, esta matriz tambin tiene rango
dos.
Sistemas compatibles determinados e indeterminados. Sistemas
incompatibles. Sistemas indeterminados.
Ejemplos
Para cada uno de los siguientes sistemas de ecuaciones, determinar el rango de la
matriz de coeficientes y de la matriz ampliada, y hallar, si existen, las soluciones del
sistema.
1.
x
1
2x
2
x
3
3
x
1
2x
2
4x
3
1
3x
1
4x
2
x
3
5
2. S
a
x
1
2x
2
4x
3
1
2x
1
5x
2
6x
3
0
x
1
3x
2
2x
3
3
S
b
x
1
2x
2
4x
3
1
2x
1
5x
2
6x
3
0
x
1
3x
2
2x
3
1
S
c
x
1
2x
2
4x
3
0
2x
1
5x
2
6x
3
0
x
1
3x
2
2x
3
0
Solucin
1. Escribimos la matriz ampliada:
1 2 1 3
1 2 4 1
3 4 1 5
.
Para calcular los rangos, debemos triangular. Es
1 2 1 3
1 2 4 1
3 4 1 5

F
2
F
2
F
1
1 2 1 3
0 0 3 2
3 4 1 5

F
3
F
3
3F
1
1 2 1 3
0 0 3 2
0 2 4 4

F
3
F
2
1 2 1 3
0 2 4 4
0 0 3 2
.
El rango de A
1 2 1
0 2 4
0 0 3
es 3, ya que no hay filas nulas.
Tambin el rango de A
1 2 1 3
0 2 4 4
0 0 3 2
es igual a 3.
Observemos que siempre debe ser el rango de A rango de A, ya que esta
ltima matriz agrega coeficientes: si una fila ya tena algn lugar distinto de 0, la
ms larga tendr tambin, por lo menos, ese lugar distinto de 0.
Para hallar la solucin del sistema, construimos el sistema equivalente al dado
asociado con la matriz triangulada y lo resolvemos.
Consideramos entonces:
x
1
2x
2
x
3
3
2x
2
4x
3
4
3x
3
2
.
Despejando de la tercera ecuacin, obtenemos x
3

2
3
.
Reemplazando en la segunda ecuacin: 2x
2
4
2
3
4, de donde x
2

10
3
.
Usamos la primera ecuacin para obtener el valor de x
1
: x
1
2
10
3

2
3
3,
obteniendo x
1
3.
La respuesta es: la solucin del sistema es el punto 3,
10
3
,
2
3
.
Cuando, como en este caso, la solucin de un sistema es un solo punto, decimos
que el sistema es compatible determinado.
Notemos que este mtodo nos dice que vamos despejando de abajo para arriba:
primero despejamos en la tercera ecuacin, la variable despejada la
reemplazamos en la segunda ecuacin, y as "seguimos subiendo". En general,
dada una ecuacin, es equivalente elegir una u otra variable para despejar. Si se
quiere tener un mtodo sistemtico, se puede despejar, en cada ecuacin, la de
subndice menor.
2. Observemos primero que las matrices asociadas a los tres sistemas dados
es la misma. Para abreviar las cuentas, haremos una resolucin simultnea de
los mismos. Qu significa esto? Que escribiremos todas las matrices ampliadas
dentro de una matriz, separando con "" los trminos independientes.
Consideremos entonces la gran matriz:
1 2 4 1 1 0
2 5 6 0 0 0
1 3 2 3 1 0
. Cmo se
interpreta?
"Olvidando" las dos ltimas columas, tenemos la matriz ampliada asociada al
primer sistema:
1 2 4 1
2 5 6 0
1 3 2 3
,
"olvidando" la cuarta y la ltima columna, tenemos la matriz ampliada asociada al
segundo sistema:
1 2 4 1
2 5 6 0
1 3 2 1
,
y "olvidando" la cuarta y quinta columna, tenemos la matriz ampliada asociada al
ltimo sistema:
1 2 4 0
2 5 6 0
1 3 2 0
.
Triangulamos todos a la vez, usando la gran matriz:
1 2 4 1 1 0
2 5 6 0 0 0
1 3 2 3 1 0

F
2
F
2
2F
1
1 2 4 1 1 0
0 1 2 2 2 0
1 3 2 3 1 0

F
3
F
3
F
1
1 2 4 1 1 0
0 1 2 2 2 0
0 1 2 4 2 0

F
3
F
3
F
2
1 2 4 1 1 0
0 1 2 2 2 0
0 0 0 2 0 0
.
Las matrices ampliadas son respectivamente:
1 2 4 1
0 1 2 2
0 0 0 2
,
1 2 4 1
0 1 2 2
0 0 0 0
,
1 2 4 0
0 1 2 0
0 0 0 0
.
Los sistemas asociados son:
S
a
x
1
2x
2
4x
3
1
x
2
2x
3
2
0 2
S
b
x
1
2x
2
4x
3
1
x
2
2x
3
2
0 0
S
c
x
1
2x
2
4x
3
0
x
2
2x
3
0
0 0
Resolvamos cada uno:
a. Primero veamos el rango de la matriz de coeficientes y el rango de la
matriz ampliada.
Es el rango de
1 2 4
0 1 2
0 0 0
igual a 2, y el rango de
1 2 4 1
0 1 2 2
0 0 0 2
es 3.
Interpretamos la tercera ecuacin: buscamos para qu valores de las
variables 0 2 0. x
1
0. x
2
0x
3
2. Cualquiera sea el valor que le
demos a x
1
, x
2
y x
3
, nunca conseguiremos que 0. x
1
0. x
2
0x
3
2. De
ac concluimos que el sistema no tiene ninguna solucin. Esto se dar
cada vez que tengamos una fila del tipo: todos los coefientes iguales a
cero, excepto el correspondiente al trmino independiente.
En estos casos, el sistema no tendr solucin, y diremos que el sistema
es incompatible.
Estudiando los rangos de la matriz asociada y de la matriz ampliada:
cada vez que tengamos una fila del tipo 0 0 . . . 0 0 el rango
de la matriz de coeficientes es menor que el rango de la matriz
ampliada.
b. La matriz de coeficientes es la misma que en el caso anterior, pero el
rango de
1 2 4 1
0 1 2 2
0 0 0 0
es 2.
Entonces el rango de la matriz de coeficientes y el rango de la matriz
ampliada son iguales, no aparecen filas de la forma
0 0 . . . 0 0 y el sistema es compatible.
Resolvemos entonces el sistema
x
1
2x
2
4x
3
1
x
2
2x
3
2
.
Despejamos x
2
de la segunda ecuacin, obteniendo: x
2
2 2x
3
.
Reemplazando en la primera ecuacin: x
1
22 2x
3
4x
3
1.
Distribuimos: x
1
8x
3
4 1. Despejando, tenemos que x
1
8x
3
5..
Entonces, X. x
1
, x
2
, x
3
es solucin si
X. 8x
3
5, 2 2x
3
, x
3
8x
3
, 2x
3
, x
3
5, 2, 0.
La solucin es entonces: X. x
3
8, 2, 1 5, 2, 0.
Observemos que hay infinitas soluciones, porque tenemos un
parmetro. Luego, este sistema es compatible indeterminado.
c. Cuando el sistema es homogneo, el rango de la matriz de coeficiente
y de la matriz ampliada son siempre iguales, ya que si los trminos
independientes son todos ceros la matriz ampliada no puede aumentar
el rango.
En este caso, el rango de
1 2 4
0 1 2
0 0 0
es 2, al igual que el de
1 2 4 0
0 1 2 0
0 0 0 0
.
Resolvemos entonces el sistema
x
1
2x
2
4x
3
0
x
2
2x
3
0
.
Siguiendo el mismo camino que en el caso anterior, obtenemos la
solucin paramtrica: X x
3
8, 2, 1. La solucin es una recta paralela
a la anterior que pasa por el origen, el sistema es compatible
indeterminado.
Observaciones acerca de los sistemas homogneos:
Los sistemas homogneos son siempre compatibles porque 0, . . . , 0 siempre es
solucin. Debe verse en cada caso si es determinado o indeterminado.
Ser determinado en el caso de que, justamente, podamos determinar el valor de cada
variable. Para que esto pase, debe haber una ecuacin para cada incgnita.
El rango de la matriz de coeficientes ( rango de la ampliada) deber ser entonces igual al
nmero de incgnitas.
Tomando por ejemplo el sistema ya triangulado:
x
1
2x
2
4x
3
0
x
2
2x
3
0
x
3
0
.
Si despejamos cada variable, comenzando por la tercera ecuacin, vamos obteniendo
sucesivamente los valores x
3
0, x
2
0, x
1
0.
Ser indeterminado si el rango de la matriz de coeficientes es menor que el nmero de
incgnitas. Como ejemplo, ver el sistema S
c
.
Observaciones acerca de los sistemas no homogneos
En general, un sistema de n incgnitas puede ser:
1. Incompatible: vimos en el ejemplo S
a
que el caso incompatible se presenta
cuando el rango de la matriz de coeficientes es menor que el rango de la matriz
ampliada.
2. Compatible: los rangos de las matrices de coeficientes y ampliada son
iguales. Llammoslo m.
a. Si adems m n, el sistema es determinado. Habr una ecuacin para
poder determinar cada variable.
b. Si m n, el sistema es indeterminado. En este caso, daremos la
solucin en forma paramtrica. Ver por ejemplo, S
b
.
Cuntos parmetros van a quedar en este caso?. Veamos un par de
ejemplos sencillos:
i. x
1
x
2
3x
3
x
4
6. En este caso, m 1 (una ecuacin) y
n 4 (tres incgnitas). Si tengo slo una ecuacin, no podr
despejar ms de una variable. Por ejemplo,
x
4
6 x
1
x
2
3x
3
. La solucin en forma paramtrica es,
abreviadamente: X x
1
, x
2
, x
3
, 6 x
1
x
2
3x
3
. Si slo puedo
despejar una variable, y tena cuatro, quedan tres sin
despejar.
ii.
x
1
x
2
3x
3
x
4
6
x
2
x
4
0
. Resolvamos: de la segunda
ecuacin, x
4
x
2
, reemplazando en la primera:
x
1
x
2
3x
3
x
2
6, de donde 3x
3
6 x
1
2x
2
, con lo cual
x
3
2
1
3
x
1

2
3
x
2
. La solucin es:
X x
1
, x
2
, 2
1
3
x
1

2
3
x
2
, 2
1
3
x
1

2
3
x
2
. Puedo despejar dos
variables, una por cada ecuacin. Tena cuatro variables,
quedan dos sin despejar.
iii. En general, si un sistema est triangulado, (con lo cual, el
nmero de ecuaciones es igual al rango), podr despejar una
variable por cada ecuacin, esto es, podr despejar n
variables. Si en principio tena m, quedan m n sin despejar.
(En el primer ejemplo: 4-13, en el segundo: 4-22).
c. El caso m n no lo contemplamos, ya que al triangular un sistema, no
importa cuantas ecuaciones tenga, ser equivalente a uno de rango
menor o igual a la cantidad de incgnitas. (Resuelva un par de ejemplos
para ver como van desapareciendo las ecuaciones sobrantes).
Observacin:
Notemos que, as como triangulamos "por abajo", podramos seguir triangulando "por
arriba". Por ejemplo, en el caso del sistema
x
1
x
2
3x
3
x
4
6
x
2
x
4
0
, la matriz asociada es
1 1 3 1 : 6
0 1 0 1 : 0

F
1
F
1
F
2
1 0 3 2 : 6
0 1 0 1 : 0
. Ahora, al estar triangulada por
arriba y por abajo, despejamos de cada ecuacin la primera variable que aparece con
coeficiente no nulo, y no hay necesidad de "ir subiendo" para despejar las variables.
Tenemos entonces el sistema
x
1
3x
3
2x
4
6
x
2
x
4
0
, de donde x
1
6 3x
3
2x
4
, y
x
2
x
4
y ya est terminado el trabajo de despejar. Este mtodo es conocido como
"Gauss-Jordan". (Si le interesa esto, lea al final el apartado:" Pivotes".)
Sistemas con parmetros
1. Determinar para qu valores de k los siguientes sistemas son determinados,
indeterminados o incompatibles:
a.
x
1
3x
2
5x
3
2
3x
1
8x
2
13x
3
5
x
1
2x
2
3x
3
k
b.
x
1
6x
2
3x
3
8
4x
1
5x
2
10x
3
6
5x
1
kx
2
13x
3
0
c.
x
1
kx
2
3
kx
1
4x
2
6
d.
x
1
2x
3
1
kx
2
3x
3
2
k
2
1x
3
k 1
2. Analizar las soluciones del sistema para los distintos valores de y .
x
1
2x
2
2x
3
2
x
2
2x
3
2
x
1
x
2

3. Sabiendo que 0, 1, 1 es solucin del sistema
x
1
x
2
x
3
2
x
2
3x
3
2
x
1
x
2
3x
3
2
analizar las soluciones del mismo para los distintos valores de y .
Solucin
1. Primero entendamos de qu se trata el ejercicio. Hay que decidir si el
sistema es compatible determinado o indeterminado, o si es incompatible. Pero
en lugar de uno de los coeficientes hay un parmetro: k. Se trata de ver qu
valores debe tomar k para que el sistema sea compatible determinado, qu
valores para que sea indeterminado y qu valores para que sea incompatible. Al
terminar de resolver, debemos ser capaces de contestar, para cada valor de k, en
qu caso estamos.
Primero escribamos y triangulemos pensando que k es un nmero -cualquiera.
Empecemos.
a. Escribimos la matriz ampliada y triangulamos:
1 3 5 2
3 8 13 5
1 2 3 k

F
3
F
3
F
1
F
2
F
2
3F
1
1 3 5 2
0 1 2 1
0 1 2 k 2

F
3
F
3
F
2
1 3 5 2
0 1 2 1
0 0 0 k 1
Para que sea compatible,
rango de
1 3 5
0 1 2
0 0 0
debe ser igual al rango de
1 3 5 2
0 1 2 1
0 0 0 k 1
.
Como el primero es 2, el rango de la matriz ampliada tambin tiene que
ser 2, entonces: k 1 0, esto es, k 1.
Determinado no puede ser nunca, pues el rango de la matriz de
coeficientes es 2, que es menor que 3, la cantidad de variables.
Luego, si k 1, el sistema es compatible indeterminado y
si k 1, el sistema es incompatible, porque el rango de la matriz de
coeficientes es 2, y el rango de la matriz ampliada es 3.
Observar que todos los valores posibles del parmetro han sido
contemplados.
b. Procedemos igual que en el inciso anterior. Escribimos primero la
matriz ampliada:
1 6 3 8
4 5 10 6
5 k 13 0
.
Triangulamos:
1 6 3 8
4 5 10 6
5 k 13 0

F
3
F
3
5F
1
F
2
F
2
4F
1
1 6 3 8
0 19 2 26
0 k 30 2 40

F
2

1
19
F
2
1 6 3 8
0 1
2
19

26
19
0 k 30 2 40

seguir la cuenta
con lpiz y papel
F
3
F
3
k30F
2
.
1 6 3 8
0 1
2
19

26
19
0 0
2
19
k
22
19

26
19
k
20
19
.
Para que sea compatible determinado, basta con pedir que
2
19
k
22
19
0, as aseguramos que el rango de la matriz de coeficiente y
la ampliada tengan rango 3. Luego,
si k 11, el sistema es compatible determinado .
Para que sea compatible indeterminado, el rango de la matriz ampliada
debe ser menor que 3.
Como la nica fila que se puede anular es la ltima, pedimos que
2
19
k
22
19
0, y
26
19
k
20
19
0. Entonces k 11 y k
20
26
. Luego, este
caso no se puede dar porque k no puede tomar dos valores a la vez.
No hay valores de k que hacen que el sistema sea indeterminado.
Para que sea incompatible, quedan todos los otros valores de k -uno
slo en este caso.
Verifiquemos: si k 11, el rango de la matriz de coeficientes es 2 y el
rango de la matriz ampliada es 3. Esto es,
si k 11, el sistema es incompatible.
c. Escribimos la matriz ampliada y triangulamos:
1 k 3
k 4 6

F
2
F
2
kF
1
1 k 3
0 4 k
2
6 3k
Razonamos de la misma manera que en los casos anteriores,
relacionando el rango con la compatibilidad o no del sistema.
Para que sea compatible determinado, debe ser 4 k
2
0, esto es,
k 2 y k 2.
Para que sea compatible indeterminado, debe ser 4 k
2
0 y
6 3k 0. Los valores que satisfacen la primera condicin son 2 y 2;
la segunda se satisface slo para k 2.
Luego, ambas ecuaciones se satisfacen slo para k 2.
Entonces, si k 2, el sistema es compatible indeterminado.
Para que sea incompatible, debe ser 4 k
2
0 y 6 3k 0.
Entonces, si k 2, el sistema es incompatible.
d. La matriz ampliada es:
1 0 2 1
0 k 3 2
0 0 k
2
1 k 1
.
Nos fijamos si est triangulada. Claramente, la fila 2 le agrega por lo
menos un cero por izquierda a la fila 1, pero la fila 3 le agrega por lo
menos un cero a la fila 2? Estamos seguros de que s, slo si
k 0. Porque si k 0, la matriz es
1 0 2 1
0 0 3 2
0 0 1 1
:
no est triangulada.
Entonces, para seguir triangulando o no , debemos saber si k 0
k 0.
Si k 0 la matriz es
1 0 2 1
0 0 3 2
0 0 1 1
.
Hacemos F
2

1
3
F
2
y obtenemos
1 0 2 1
0 0 1
2
3
0 0 1 1
.
Seguimos triangulando. Haciendo F
3
F
3
F
2
nos queda
1 0 2 1
0 0 1
2
3
0 0 0
5
3
.
El sistema asociado a esta matriz es incompatible. Entonces,
si k 0 el sistema es incompatible.
Si k 0, la matriz
1 0 2 1
0 k 3 2
0 0 k
2
1 k 1
s est triangulada. Debemos ver qu pasa con los rangos.
Para que el sistema sea compatible determinado: queremos que el
rango de la matriz de coeficientes sea 3, que es la cantidad de
incgnitas.
Para esto, debe ser, k
2
1 0.
Entonces (recordando que estamos en el caso k 0) , si
k 0, k 1 y k 1, el sistema es compatible determinado.
Para que el sistema sea compatible indeterminado, debe ser k
2
1 0
y k 1 0.
Las condiciones se cumplen simultneamente si k 1.
Entonces, si k 1, el sistema es compatible indeterminado.
Por ltimo, el sistema es incompatible si k
2
1 0 y k 1 0.
Entonces, si k 1 el sistema es incompatible, y junto a la condicin
anterior obtenemos: si k 0 o si k 1, el sistema es incompatible.
2. Queremos resolver
x
1
2x
2
2x
3
2
x
2
2x
3
2
x
1
x
2

. Escribimos la matriz ampliada y
triangulamos:
1 2 2 2
0 1 2 2
1 0

F
3
F
3
F
1
1 2 2 2
0 1 2 2
0 2 2 2

F
3
F
3
2F
2
1 2 2 2
0 1 2 2
0 0 2 2 2 6
(Se recomienda verificar este clculo, por ejemplo, el clculo del ltimo
coeficiente es 2 22 2 2 2 2 6.)
a. Si 2 2 0, el sistema es compatible determinado (no hace falta
mirar los trminos independientes, ya que en este caso, el rango de la
matriz de coeficientes del sistema y el rango de la matriz ampliada son
iguales).
Esto es, si 1, el sistema es compatible determinado cualquiera sea
el valor de .
b. Si 2 2 0, -esto es, si 1- la matriz de coeficientes tiene rango
2. Dependiendo del rango de la matriz ampiada, el sistema ser
compatible indeterminado o incompatible. Como 1, el trmino
independiente es 2 6 4. Luego:
i. Si 4 0, el rango de la matriz ampliada tambin es 2 y el
sistema es compatible indeterminado.
c. Si 4 0, el rango de la matriz ampliada 3 y el sistema es
incompatible. Resumiendo:.
Si 1 el sistema es compatible determinado (para cualquier valor de ).
Si 1
4 el sistema es compatible indeterminado.
4 el sistema es incompatible.
.
3. Ahora sabemos que 0, 1, 1 es solucin del sistema
x
1
x
2
x
3
2
x
2
3x
3
2
x
1
x
2
3x
3
2
Esto significa que 0, 1, 1 verifica todas las ecuaciones del sistema, entonces:
0 1 1 2
1 31 2
1 31 2
1
2
3
Las ecuaciones (1) y (3) no nos aportan ningn dato sobre los parmetros (si no
se cumplieran, el dato estara mal).
De la segunda obtenemos que 1. Entonces, el sistema que hay que estudiar
es
x
1
x
2
x
3
2
x
2
3x
3
2
x
1
x
2
3x
3
2
Procedemos ahora como en el ejercicio anterior, con la ventaja de que tenemos
ahora un solo parmetro.
Escribimos la matriz ampliada:
1 1 1 2
0 1 3 2
1 3 2
En lugar de seguir la triangulacin habitual, conviene hacer F
3
F
3
F
2
,
obteniendo la matriz equivalente:
1 1 1 2
0 1 3 2
0 0 0
.
Luego:
a. si 0, el sistema es compatible indeterminado.
b. si 0, dividimos la ltima fila por obteniendo la matriz equivalente
1 1 1 2
0 1 3 2
1 0 0 0
y como
1 1 1 2
0 1 3 2
1 0 0 0

1 1 1 2
0 1 3 2
0 0 4 4
resulta que el sistema es compatible indeterminado.Resumiendo:
debe ser 1.
Si 0,el sistema es compatible indeterminado, si 0, es compatible determinado.
Observemos que, el caso incompatible no se puede presentar, ya que
partimos de tener como condicin: 0, 1, 1 es solucin del sistema.
Aplicaciones
1. Las harinas de soja, garbanzos y trigo burgol intervienen en la composicin
de tres sustitutos de la carne vacuna fabricados por la empresa VEGETARIANA.
En la siguiente tabla se detalla la composicin de los tres alimentos.
SOJI GARBI BURGI
Soja 50% 10% 20%
Garbanzos 30% 50% 20%
Trigo 20% 40% 60%
La compaa pretende agotar los insumos que reciba.
La cantidad de toneladas de cada tipo de harina a recibir es una de las tres
opciones siguientes:
OPCIN I OPCIN II OPCIN III
Soja 2 4 6
Garbanzos 3 3 6
Trigo 5 3 8
Determinar las cantidades de los tres alimentos que pueden producirse para cada
opcin de insumos recibidos.
Solucin:
Nos estn preguntando qu cantidad de cada uno de los tres alimentos debe
producirse.
Pongamos:
xcantidad de Soji, y cantidad de Garbi, z cantidad de Burgi, todos
expresados en toneladas.
Observemos que debe ser x 0, y 0 y z 0.
Supongamos que estamos en la opcin I y hagamos una ecuacin para cada
restriccin de stock.
Cunto se va a consumir de soja? Si x cantidad de Soji, como el 50% est
compuesto por Soja, se habrn gastado
50
100
x toneladas de Soja. Observando los
datos y procediendo de la misma manera con Garbi y Burgi, la cantidad de Soja
insumida es
50
100
x
10
100
y
20
100
z. Como disponemos de 2 toneladas, si queremos
gastar todo se debe cumplir:
50
100
x
10
100
y
20
100
z 2.
Anlogamente, las restricciones para Garbanzos y Trigo son, respectivamente:
30
100
x
50
100
y
20
100
z 3
20
100
x
40
100
y
60
100
z 5
.
El sistema que debemos resolver es
S
I
50
100
x
10
100
y
20
100
z 2
30
100
x
50
100
y
20
100
z 3
20
100
x
40
100
y
60
100
z 5
que claramente es equivalente al sistema:
S
I
5x y 2z 20
3x 5y 2z 30
2x 4y 6z 50
.
Procediendo de la misma manera con las opciones II y III, debemos tambin
resolver los sistemas:
S
II
5x y 2z 40
3x 5y 2z 30
2x 4y 6z 30
y S
III
5x y 2z 60
3x 5y 2z 60
2x 4y 6z 80
Como las matrices de coeficientes coinciden, podemos hacer resolucin
simultnea.
Planteamos entonces la gran matriz:
5 1 2 20 40 60
3 5 2 30 30 60
2 4 6 50 30 80
y empezamos la triangulacin haciendo F
3
1
2
F
3
y despues, F
3
F
1
. Seguimos:
1 2 3 25 15 40
3 5 2 30 30 60
5 1 2 20 40 60

F
3
F
3
5F
1
F
2
F
2
3F
1
1 2 3 25 15 40
0 1 7 45 15 60
0 9 13 105 35 140

F
3
F
3
9F
2
1 2 3 25 15 40
0 1 7 45 15 60
0 0 50 300 100 400

F
3

1
50
F
3
F
2
F
2
1 2 3 25 15 40
0 1 7 45 15 60
0 0 1 6 2 8
Reconstruimos el sistema para la opcin I:
x 2y 3z 25
y 7z 45
z 6
, cuya solucin
es: x 1, y 3, z 6. En este caso, la respuesta es: para consumir el stock dado,
la cantidad de alimentos que debe producirse es:
1 tonelada de Soji , 3 toneladas de Garbi y 6 toneladas de Burgi .
La solucin del sistema de la opcin II es:
x 7 toneladas de Soji, y 1 tonelada de Garbi y z 2 toneladas de Burgi .
La de la opcin III:
x 8 toneladas del primer producto, y 4 toneladas del segundo y z 8 toneladas del tercero
Observemos por ltimo que todos los casos son factibles, pues nos ha dado
siempre: x 0, y 0 y z 0.
2. La Compaa de detergentes DEL SUR fabrica los productos LAV, BRISA,
CICLN Y PROF a partir de 3 sustancias: As, Sp y Ss. En el cuadro se
muestran, en cientos de kg, las cantidades de materia prima necesarias para
fabricar 1 envase de cada producto y el stock:
LAV BRISA CICLN PROF STOCK
As 4 8 4 4 60
Sp 2 5 2 3 36
Ss 3 7 4 3 50
Encontrar el nmero de envases de cada producto que se pueden fabricar
utilizando todo el material disponible.
Solucin:
El planteo es similar al del problema anterior, debindose poner una ecuacin
para la restriccin de stock correspondiente a cada sustancia: As, Sp y Ss.
Como nos preguntan cantidad de envases, ponemos:
x
1
cantidad de envases de LAV, x
2
cantidad de envases de BRISA,
x
3
cantidad de envases de CICLN, x
4
cantidad de envases de PROF.
Observemos que ahora los valores permitidos a las variables son: 0,1,2 ,.....,
n,..... pues son envases.
Si tenemos x
1
envases de LAV, y cada uno utiliza 4 (cientos) kg de As, para
fabricar LAV usaremos 4x
1
(cientos) de kg de esta sustancia. Igualmente para
cada producto. Entonces, la restriccin de stock correspondiente a As es
4x
1
8x
2
4x
3
4x
4
60.
La restriccin para Sp es 2x
1
5x
2
2x
3
3x
4
36, y para Ss
3x
1
7x
2
4x
3
3x
4
50.
Debemos entonces resolver el sistema:
4x
1
8x
2
4x
3
4x
4
60
2x
1
5x
2
2x
3
3x
4
36
3x
1
7x
2
4x
3
3x
4
50
Planteamos la matriz ampliada y triangulamos, para simplificar ya escribimos la
primera fila "dividida por 4", y seguimos triangulando:
1 2 1 1 15
2 5 2 3 36
3 7 4 3 50

F
3
F
3
3F
1
F
2
F
2
2F
1
1 2 1 1 15
0 1 0 1 6
0 1 1 0 5

F
3
F
3
F
2
1 2 1 1 15
0 1 0 1 6
0 0 1 1 1
Reconstruimos el sistema:
x
1
2x
2
x
3
x
4
15
x
2
x
4
6
x
3
x
4
1
.
La solucin dada paramtricamente es: X 4, 6 x
4
, 1 x
4
, x
4
. Pero ahora, las
variables deben cumplir una condicin adicional: deben ser enteros no negativos.
La primera ya lo cumple, pues es "4". Planteamos entonces las restricciones:
6 x
4
0, 1 x
4
0, x
4
0. Entonces, 6 x
4
, x
4
1, x
4
0. Los posibles
valores de x
4
son: 1, 2, 3, 4, 5 y 6. Para cada uno de stos, tendremos una
respuesta posible, considerando que X 4, 6 x
4
, 1 x
4
, x
4
. Podemos hacer
una tabla, calculando X para cada valor de x
4
.
x
4
4, 6 x
4
, 1 x
4
, x
4

1 4, 5, 0, 1
2 4, 4, 1, 2
3 4, 3, 2, 3
4 4, 2, 3, 4
5 4, 1, 4, 5
6 4, 0, 5, 6
La respuesta es entonces: hay 6 maneras de satifacer lo pedido. La primera es
fabricando 4 envases de LAV, 5 de BRISA, ninguno de CICLN y 1 de PROF.
Las otras maneras de satifacer lo pedido se obtienen interpretando cada rengln
de la tabla dada.
Pivotes
(Este tem se puede saltear ahora, pero es conveniente leerlo antes de estudiar el
mtodo smplex.)
El mtodo del pivote es una variante del mtodo ya visto de triangulacin. La idea es
trabajar un poco ms con las matrices y un poco menos con las ecuaciones. Se harn
operaciones elementales entre las filas, haciendo "1" algunos coeficientes -de manera de
no repetir fila y columna-, y "0" en toda los coeficientes que estn por arriba y por abajo de
donde tenemos cada "1".
Ejemplo
Resolver, mediante el mtodo de pivote, el sistema:
x
1
2x
2
3x
3
2x
5
0
3x
1
4x
2
5x
3
4x
4
8x
5
0
5x
1
2x
2
5x
3
4x
4
8x
5
0
7x
1
2x
3
x
4
0
Planteamos la matriz asociada. Como el sistema es homogneo, no hace falta trabajar
con la matriz ampliada.
1 2 3 0 2
3 4 5 4 8
5 2 5 4 8
7 0 2 1 0
.
Observemos que a
44
1. Queremos que todos los coeficientes que estn por arriba de a
44
sean "0" Por esto, hacemos F
2
F
2
4F
4
y F
3
F
3
4F
4
:
1 2 3 0 2
31 4 3 0 8
23 2 13 0 8
7 0 2 1 0
.
Elegimos como pivote a
11
, por eso hacemos F
1
F
1
:
1 2 3 0 2
31 4 3 0 8
23 2 13 0 8
7 0 2 1 0
Pivoteamos: F
2
F
2
31F
1
, F
3
F
3
23F
1
, F
4
F
4
7F
1
:
1 2 3 0 2
0 58 96 0 54
0 44 82 0 54
0 14 23 1 14
.
Elijo ahora como pivote a
25
, dividimos entonces la fila 2 por -54:
1 2 3 0 2
0
29
27

16
9
0 1
0 44 82 0 54
0 14 23 1 14
Hacemos ahora: F
1
F
1
2F
2
, F
3
F
3
54F
2
, F
4
F
4
14F
2
:
1
4
27

5
9
0 0
0
29
27

16
9
0 1
0 14 14 0 0
0
28
27
17
9
1 0
Falta elegir un pivote en la fila 3, pudiendo ser a
32
o a
33
. Tomemos por ejemplo a
32
.
Dividimos entonces la fila 3 por "14":
1
4
27

5
9
0 0
0
29
27

16
9
0 1
0 1 1 0 0
0
28
27
17
9
1 0
.
Por ltimo hacemos: F
1
F
1

4
27
F
3
, F
2
F
2

29
27
F
3
y F
4
F
4

28
27
F
3
:
1 0
11
27
0 0
0 0
19
27
0 1
0 1 1 0 0
0 0
23
27
1 0
.
Reconstruimos el sistema:
x
1

11
27
x
3
0

19
27
x
3
x
5
0
x
2
x
3
0
23
27
x
3
x
4
0
.
La idea de este mtod es despejar, en cada ecuacin, la variable que tiene coeficiente 1, y
que slo aparece en esa ecuacin. En este caso, nos queda todo en funcin de x
3
:
x
1

11
27
x
3
, x
5

19
27
x
3
, x
2
x
3
y x
4

23
27
x
3
.
La solucin paramtrica es X
11
27
x
3
, x
3
, x
3
,
23
27
x
3
,
19
27
x
3
x
3

11
27
, 1, 1,
23
27
,
19
27
.
Pero si observamos que
11
27
, 1, 1,
23
27
,
19
27

1
27
11, 27, 27, 23, 19, podemos escribir a la
solucin del sistema de manera ms sencilla:
X 11, 27, 27, 23, 19.
Ejercicios
1. Resolver el sistema cuya matriz ampliada es
1 2 1 2 2
2 4 0 3 3
1 4 1 2 0
0 6 2 0 3
.
Elegimos como pivote a
11
, ya que a
11
1 -y adems ya tenemos un "0" en esa
columna. Haciendo: F
2
F
2
2F
1
y F
3
F
3
F
1
obtenemos:
1 2 1 2 2
0 8 2 1 1
0 6 2 0 2
0 6 2 0 3
.
Hacemos ahora F
4
F
4
F
3
:
1 2 1 2 2
0 8 2 1 1
0 6 2 0 2
0 0 0 0 1
y no seguimos ms porque el sistema asociado a esta matriz es incompatible.
2. Resolver el sistema cuya matriz ampliada es
2 1 1 3
4 2 2 2
3 2 1 2
Elijamos por ejemplo a
12
como pivote, ya que a
12
1.
2 1 1 3
4 2 2 2
3 2 1 2

F
3
F
3
2F
1
F
2
F
2
2F
1
2 1 1 3
8 0 0 8
1 0 3 8
.
Dividimos la segunda fila por "2" y elegimos a
21
como pivote. Es:
2 1 1 3
1 0 0 1
1 0 3 8

F
3
F
3
F
2
F
1
F
1
2F
2
0 1 1 1
1 0 0 1
0 0 3 7
.
El nico pivote posible es a
33
. Dividimos entonces la fila 3 por "-3":
0 1 1 1
1 0 0 1
0 0 1
7
3

F
1
F
1
F
3
0 1 0
4
3
1 0 0 1
0 0 1
7
3
.
La solucin del sistema es el punto: X 1,
4
3
,
7
3
.
PRCTICA 3
Espacios vectoriales
Vamos a dar ahora un sistema axiomtico que tiene como ejemplos, entre otros, a los
espacios R
2
, R
3
,..., R
n
. La ventaja de dar un sistema axomtico es que los resultados
demostrados en los mismos valdrn a la vez en todos los ejemplos, esto es, a partir de los
axiomas dados se demuestran teoremas, que sern vlidos cada vez que se verifiquen los
axiomas.
Definicin
Un espacio vectorial real es un conjunto V, a cuyos elementos llamaremos vectores,
provisto de dos operaciones:
1. la suma : a cada par de elementos v, w de V les asigna el elemento v w
de V,
2. el producto . por escalares: a cada nmero real y cada elemento v de V les
asisgna el elemento . v de V. (En general pondremos v en lugar de . v -esto es,
no escribimos el puntito ..)
Imaginemos por ejemplo que nuestro conjunto V es R
2
: sabemos sumarlos y
multiplicarlos por un escalar. En R
2
resulta claro que v w w v. Lo mismo si
pensramos que v y w son vectores de R
3
, o de un R
n
cualquiera. Otras
propiedades bsicas son comunes a estos espacios. Las que tomamos como
axiomas son las siguientes -se aconseja ir interpretando cada propiedad en
R
2
y en R
3
:
a. Si v
1
, v
2
y v
3
son vectores, entonces v
1
v
2
v
3
v
1
v
2
v
3

-asociativa.
b. Si v
1
y v
2
son vectores, entonces v
1
v
2
v
2
v
1
-conmutativa.
c. Existe un elemento 0 -que llamaremos origen -que es neutro para la
suma: 0 v v 0, cualquiera sea el vector v. Esto es, hay un
elemento neutro para la suma.
d. Para cada vector v, existe otro vector, -que notaremos v y llamaremos
el opuesto- que verifica: v v 0. Observacin: pondremos v v en
lugar de v v.
e. Para todo vector v se verifica: 1. v v.
f. Si es un nmero real y v y w son vectores, entonces
v w v w.
g. Si y son nmeros reales y v es un vector, entonces
v v v.
h. Si y son nmeros reales y v es un vector, entonces v v.
Ejemplos:
1. Al interpretar cada propiedad en R
2
, se ve que R
2
con la suma y el producto
por escalares que conocemos de la prctica 1 es un espacio vectorial. En este
caso, los vectores son los puntos del plano. Es usual pensarlos tambin como
flechas:
x
y
(x,y)
x
y
R
2
v
Si queremos representar la suma de vectores, podemos ver que es la misma que
vimos en la prctica 1, y que el vector suma se obtiene como antes: aplicando la
regla del paralelogramo. La multiplicacin por escalares tambin coincide con lo
hecho en la prctica 1. En particular, la suma de un vector v con su opuesto es el
vector nulo:
x
y
(x,y)
x
y
R
2
v
(x,y)
v
0
En R
2
calculemos
a. 31, 1 3, 3,
b. 25, 4 10, 8,
c. 31, 1 25, 4 3, 3 10, 8 13, 5.
2. Tambin R
n
, con la suma de vectores y el producto por escalares que
hemos definido en la prctica 1, es un ejemplo de espacio vectorial. Por ejemplo,
en R
5
: 21, 2, 4, 0, 1 2, 1, 0, 5, 1 0, 5, 8, 5, 1.
Observacin
El espacio vectorial que definimos es real porque los escalares son nmeros reales.
Como son los nicos a los que haremos referencia, diremos simplemente espacio
vectorial en lugar de espacio vectorial real.
Combinaciones lineales
Sea V un espacio vectorial, y v
1
, v
2
, ...,v
r
vectores.
Si w es un vector que se puede escribir como w
1
v
1

2
v
2
. . .
r
v
r
, decimos
entonces que w se puede escribir como combinacin lineal de los vectores v
1
, v
2
, . . . , v
r
.
Ejemplos
1. En el plano:
a. 2, 3 es una combinacin lineal del vector 4, 6 ya que 2, 3
1
2
4, 6.
Obviamente tambin es 4, 6 una combinacin lineal del vector 2, 3 ya
que 4, 6 22, 3.
b. 2, 3 es una combinacin lineal de los vectores 1, 0 y 0, 1 ya que
2, 3 21, 0 30, 1.
c. 2, 3 es una combinacin lineal de los vectores 1, 0, 0, 1 y 2, 5 ya
que 2, 3 21, 0 30, 1 02, 5.
d. 2, 3 no es una combinacin lineal del vector 1, 0 ya que
2, 3 1, 0 no se verifica para ningn valor de .
2. En el espacio:
a. Escribamos tres combinaciones lineales de los vectores 1, 1, 2 y
2, 2, 0: por ejemplo 31, 1, 2 42, 2, 0, 31, 1, 2 2, 2, 0,
01, 1, 2 02, 2, 0.
b. Veamos si el vector 0, 0, 1 se puede escribir como combinacin lineal
de los vectores 1, 1, 2 y 2, 2, 0, esto es, si hay escalares y tales
que 0, 0, 1 1, 1, 2 2, 2, 0 2, 2, 2.
La igualdad entre dos vectores significa igualdad de cada una de sus
coordenadas, esto es:
0 2
0 2
1 2
.
Resolviendo el sistema vemos que
1
2
y
1
4
es solucin.
Podemos escribir entonces: 0, 0, 1
1
2
1, 1, 2
1
4
2, 2, 0.
Subespacios
Sabemos que R
2
es un espacio vectorial. Son ejemplos de subconjuntos en R
2
:
x
y
x
y
x
y
Sin embargo, no cualquier subconjunto ser objeto de nuestro inters. Buscaremos
cules son aqullos en los que, si nos restringimos a trabajar ah, podemos seguir
sumando y multiplicando por escalares, y que el resultado est en el subconjunto con el
que estamos trabajando . Pensemos por ejemplo que nos quedamos con el crculo:
la suma de dos vectores que estn dentro del crculo puede "caer afuera" del subconjunto
que estamos considerando: en este caso, el crculo.
Claramente, si queremos poder seguir haciendo nuestras cuentas, y que tengan las
mismas propiedades que en cualquier espacio vectorial, debemos pedir que nuestro
subconjunto verifique que:
1. El elemento neutro de la est en el subconjunto. (O sea, el vector nulo
est en el subespacio.)
2. Si dos vectores v y w estn en el subconjunto, su suma v w tambin lo
est.
3. Si v es un vector del subconjunto, entonces para cualquier escalar , v est
en el subconjunto.
Diremos que un subconjunto S V que verifica las propiedades 1. 2 y 3 es un
subespacio del espacio vectorial V.
Esto es, los subespacios son los conjuntos no vacos tales que cualquier combinacin
lineal de elementos del conjunto es tambin un elemento del conjunto.
Ejemplos
Subespacios de R
2
1. Si S es un subespacio de R
2
, por la propiedad 1 de subespacios, el vector
nulo tiene que ser un elemento de S. Tomemos S 0. Las propiedades 2 y 3
se verifican trivialmente pues 0 0 0 y 0 0. Esto significa que 0 es un
subespacio.
2. Sabemos que el vector nulo debe estar un todo subespacio. Veamos qu
pasa si hay algo ms. Supongamos entonces que v S, y que v 0. Por la
propiedad 3, si v est en el subespacio, entonces v tambin debe estarlo.
Tomemos S X R
2
/X v, R, esto es, S es el conjunto de los mltiplos
del vector v -para abreviar, S : v o bien, S v. Para que efectivamente sea
un subespacio, debe cumplirse la propiedad 2. Pero si sumamos dos vectores
que estn en la recta que pasa por el origen y tiene direccin v, el vector suma
tambin est en esa misma recta:
1
v
2
v
1

2
v. Esto significa que v
es un subespacio.
3. Si S es un subespacio de R
2
que tiene un vector no nulo, tambin contiene
la recta que pasa por el origen de direccin v. Supongamos ahora que en S hay
otro vector w que no est en esa recta. Por la propiedad 3, w tambin debe estar
en el subespacio, y por la propiedad 2, v w tambin est en S. Veamos
geomtricamente que as podemos escribir cualquier vector del plano, de donde
el subespacio S es todo el espacio.
x
y
v
w
v
w
l
m
l m v + w
Tenemos entonces que todos los subespacios posibles de R
2
son:
S 0
S v
S R
2
1
2
3
.
Los subespacios (1) y )(3) -nulo y todo- se llaman triviales. Los nicos subespacios no
triviales del plano son entonces las rectas que pasan por el origen.
Subespacios de R
3
Haciendo una inspeccin parecida a la anterior se puede ver que los subespacios de R
3
son: los triviales -el nulo y todo el espacio-, las rectas que pasan por el origen y los planos
que pasan por el origen. Esto es, todos los subespacios posibles de R
3
son:
S 0
S X v
S X v w, v y w no colineales.
S R
3
1
2
3
4
Subespacios de R
n
Si bien no podemos graficar R
n
, analticamente se puede ver fcilmente -usando las
propiedades que definen un subespacio- que todos los subespacios son:
S 0
S X
1
v
1

2
v
2
. . .
r
v
r
.
S R
n
.
1
2
3
Definiciones
Sea V un espacio vectorial.
1. Si w es un vector que se puede escribir como w
1
v
1

2
v
2
. . .
r
v
r
decimos que w se puede escribir como combinacin lineal de los vectores
v
1
, v
2
, . . . , v
r
.
2. Si S X
1
v
1

2
v
2
. . .
r
v
r
, decimos que los vectores v
1
, v
2
, . . . , v
r
generan S. Tambin decimos que v
1
, v
2
, . . . , v
r
es un conjunto de generadores
de S.
Una notacin abreviada de este hecho es escribir: S v
1
, v
2
, . . . , v
r . Esto
significa que S es el subespacio formado por todas las combinaciones lineales de
los vectores v
1
, v
2
, . . . , v
r
.
Atencin con la notacin! No confundir v
1
, v
2
, . . . , v
r
y v
1
, v
2
, . . . , v
r : en el
primer caso nos estamos refiriendo al conjunto de r vectores v
1
, v
2
, . . . , v
r
, el
segundo caso es un conjunto infinito: son todas las combinaciones lineales de los
vectores v
1
, v
2
, . . . , v
r
; notemos adems que v
1
, v
2
, . . . , v
r
no es un subespacio y
v
1
, v
2
, . . . , v
r s lo es.
Ejemplos
1. En R
2
a. S 0, 1. Si un vector x, y est en el subespacio, debe ser
x, y
1
0, 1. Es decir, S es el eje y.
b. S 0, 1, 0, 3. Si un vector x, y est en el subespacio, debe ser
x, y
1
0, 1
2
0, 3. Pero 0, 3 30, 1. Reemplazando,
obtenemos: x, y
1
0, 1 3
2
0, 1 (usando propiedades de las
operaciones de un espacio vectorial)
1
3
2
0, 1 0, 1
-abreviando
1
3
2
-. Entonces, ahora tambin S es el eje y.
c. S 1, 2 es la recta que pasa por el origen y el punto 1, 2, ya que si
x, y est en el subespacio, debe ser x, y
1
1, 2.
2. En R
3
a. S 0, 1, 0. Si un vector x, y, z est en el subespacio, debe ser
x, y, z
1
0, 1, 0. Es decir, S es el eje y.
b. S 1, 0, 0, 0, 1, 0. Si un vector x, y, z est en el subespacio, debe
ser x, y, z
1
1, 0, 0
2
0, 1, 0
1
,
2
, 0. En otros trminos, la
condicin para estar en S es tener la tercera coordenada nula (las dos
primeras pueden tomar cualquier valor y no estn relacionadas entre
s). Entonces, un vector x, y, z est en el subespacio si y slo si es
solucin del sistema z 0.
3. En general, hemos visto qu forma tienen los subespacios de R
n
: o son
triviales, o son de la forma S X
1
v
1

2
v
2
. . .
r
v
r
.
En todos los casos, se pueden pensar como soluciones de un sistema lineal
homogneo (en lugar de escribir primero el sistema y buscar la solucin en forma
paramtrica, hacemos ahora al revs: primero damos la solucin en forma
paramtrica y luego escribimos el sistema).
Entonces, todo subespacio de R
n
se puede expresar como los x
1
, x
2
, . . . , x
n
que
satisfacen el sistema
S
a
11
x
1
a
12
x
2
. . . a
1n
x
n
0
a
21
x
1
a
22
x
2
. . . a
2n
x
n
0
. . .
a
m1
x
1
a
m2
x
2
. . . a
mn
x
n
0
o dando su forma paramtrica S X
1
v
1

2
v
2
. . .
r
v
r
.
El subespacio S 0 es la nica solucin de un sistema determinado de nxn. (Puede
decir Ud. de qu sistema es solucin el subespacio: S R
3
?)
Ejemplos
1. En R
3
, hallar generadores de los subespacios
a. S
1
: x
1
x
2
0
b. S
2
: x
1
x
2
x
3
0
c. S
3
:
x
1
x
2
x
3
0
x
2
x
3
0
2. En R
3
, estudiar el conjunto de soluciones de x
1
x
2
1
Soluciones
1. En general, el procedimiento es el mismo que el que utilizbamos para
escribir las soluciones de los sistemas en forma paramtrica (prctica 2).
a. Observemos que ya sabemos que, en el espacio, el conjunto de
soluciones del sistema x
1
x
2
0 es un plano. Para escribir la
ecuacin paramtrica del mismo despejamos x
1
x
2
. Obtenemos que
X es un punto del plano si X x
2
, x
2
, x
3
x
2
1, 1, 0 x
3
0, 0, 1. Esto
nos dice que los puntos de S
1
son todas las combinaciones lineales de
los vectores 1, 1, 0 y 0, 0, 1. (De la ecuacin paramtrica, obtenemos
los generadores.) Entonces, S
1
1, 1, 0, 0, 0, 1 .
b. Ahora, x
1
x
2
x
3
. X es un punto de S
2
si
X x
2
x
3
, x
2
, x
3
x
2
1, 1, 0 x
3
1, 0, 1. Entonces,
S
2
1, 1, 0, 1, 0, 1 .
c. De la segunda ecuacin tenemos que x
2
x
3
. Reemplazando en la
primera, x
1
2x
3
. X es un punto de S
3
si X 2x
3
, x
3
, x
3
x
3
2, 1, 1.
Entonces, S
3
2, 1, 1 .
2. Si escribimos las soluciones del sistema x
1
x
2
1 en forma paramtrica,
obtenemos que X es solucin si x
1
, x
2
, x
3
x
2
1, 1, 0 x
3
0, 0, 1 1, 0, 0. Este
conjunto no es un subespacio (por ejemplo, no se verifica la condicin 1. de
subespacios: 0, 0, 0 no verifica la ecuacin x
1
x
2
1). Podemos pensarlo como
un subespacio trasladado: S
1
1, 0, 0.
Observemos que, en general, la solucion de un sistema lineal es un subespcio
slo en el caso en que el sistema sea homogneo.
Ms ejemplos
1. El conjunto 3, 2, 1, 1 genera R
2
: debe averiguarse si todo vector del
plano se puede poner como combinacin lineal de los vectores 3, 2, 1, 1 o no.
Consideremos entonces x, y en R
2
. Buscamos y tales que x, y 3, 2
1, 1. Pero esto equivale a
x 3
y 2
.
Debemos entender que x e y son los "datos" y las incgnitas del sistema son los
parmetros y .
Tenemos que resolver entonces este sistema de dos ecuaciones con dos
incgnitas.
Sumando ambas ecuaciones, tenemos que x y 5, luego:
xy
5
.
Reemplazando en cualquiera de las ecuaciones del sistema obtendremos . Por
ejemplo, en la segunda: y 2
xy
5
. De aqu,
2
5
x
3
5
y.
Entonces, vemos que
x, y
x y
5
3, 2
2
5
x
3
5
y 1, 1.
Por ejemplo: si x 2 e y 3, tenemos que x, y
23
5
3, 2

2
5
2
3
5
31, 1 3, 2 1, 1. Para cada valor que le demos a x, y, hemos
encontrado cmo escribirlo como combinacin lineal de 3, 2 y 1, 1.
El procedimiento para saber si un vector es combinacin lineal de otros dados en
general es equivalente a resolver un sistema lineal. ste puede ser compatible o
incompatible: en el primer caso, habremos encontrado cmo escribir el vector
dado como combinacin lineal de los otros, en el segundo no hay solucin.
2. El conjunto 1, 0, 0, 0, 1, 0, 0, 0, 1 genera R
3
, ya que todo X se puede
escribir como X x, y, z x1, 0, 0 y0, 1, 0 z0, 0, 1.
3. Encontrar sistemas de generadores de
S x R
3
: 3x
1
2x
2
0, 4x
1
x
2
x
3
0.
Observemos que el subespacio dado es el conjunto de soluciones del sistema:
S
3x
1
2x
2
0
4x
1
x
2
x
3
0
.
S es una recta que pasa por el origen. Encontrar generadores equivale a buscar
la solucin paramtrica del sistema, pues si la escribimos como v, resulta que v
es un generador de S.
De la primera ecuacin, tenemos que x
2

3
2
x
1
.
Reemplazando en la segunda ecuacin: 4x
1

3
2
x
1
x
3
0, de donde x
3

11
2
x
1
-no nos hizo falta triangular porque era claro que podamos despejar x
2
y x
3
en
funcin de x
1
.
Entonces, un X est en S si X x
1
,
3
2
x
1
,
11
2
x
1
. Luego, X x1,
3
2
,
11
2
, de donde
v 1,
3
2
,
11
2
es un generador de S. Podemos tomar otro generador: por ejemplo
w 2, 3, 11, o w 2, 3, 11, etc. Observemos que es S 1,
3
2
,
11
2
y
tambin es S 2, 3, 11 .
4. 2, 4 1, 2: los mltiplos del 2, 4 y los de 1, 2 son los mismos: si
x, y 2, 4, entonces x, y 21, 2, y si x, y 1, 2, entonces
x, y
1
2
2, 4.
En general: a, b c, d si a, b c, d.
5. De la misma manera, se puede ver, por ejemplo, que 2, 4, 6 1, 2, 3,
1, 0, 3, 2, 4, 6 1, 0, 3, 1, 2, 3, 1, 0, 3, 2, 4, 6 3, 0, 9, 1, 2, 3, etc.
6. Decidir si R
3
1, 1, 1; 0, 1, 1; 0, 0, 1; 1, 2, 1.
Sabemos que 1, 1, 1; 0, 1, 1; 0, 0, 1; 1, 2, 1 es un subespacio, lo que queremos ver
es si es todo el espacio. Para esto, debe verse si cualquier vector x, y, z puede escribirse
como combinacin lineal de los vectores dados. Estamos buscando, para cada x, y, z,
escalares
1
,
2
,
3
,
4
, que verifiquen:
x, y, z
1
1, 1, 1
2
0, 1, 1
3
0, 0, 1
4
1, 2, 1.
Entonces:
x, y, z
1

4
,
1

2
2
4
,
1

2

3

4
.
Igualando coordenada a coordenada, tenemos el sistema de tres ecuaciones con cuatro
incgnitas:
x
1

4
y
1

2
2
4
z
1

2

3

4
.
Para resolver, planteamos la matriz ampliada:
1 0 0 1 x
1 1 0 2 y
1 1 1 1 z
Triangulamos, haciendo F
2
F
2
F
1
, F
3
F
3
F
1
:
1 0 0 1 x
0 1 0 3 x y
0 1 1 0 x z
Un paso ms: hacemos F
3
F
3
F
2
y obtenemos
1 0 0 1 x
0 1 0 3 x y
0 0 1 3 2x y z
La matriz ampliada que obtuvimos est asociada a un sistema compatible, para cualquier
valor de x, y, z. De ac inferimos que R
3
s est generado por los vectores dados, ya que
para cualquier valor de x, y, z, el sistema tendr solucin. .
Podemos observar adems que el sistema es indeterminado: tiene infinitas soluciones.
En particular, podemos hacer
4
0,
1
x,
2
x y y
3
2x y z.
Entonces:
x, y, z x1, 1, 1 x y0, 1, 1 2x y z0, 0, 1 0. 1, 2, 1.
Vemos que el vector 1, 2, 1 "no se necesita" para generar el espacio, si ya tenemos en
nuestro conjunto de generadores los tres anteriores. En particular, utilizando la cuenta
anterior para x, y, z 1, 2, 1, como x 1, y 2, z 1, resulta
1, 2, 1 11, 1, 1 30, 1, 1 30, 0, 1 0. 1, 2, 1.
Lo que debemos hacer ahora es especificar las condiciones que hacen que se pueda
generar un subespacio sin vectores "de ms".
Observemos que la ltima expresin la podemos escribir como
0 1, 2, 1 11, 1, 1 30, 1, 1 30, 0, 1. Esto motiva la definicin que daremos en el
prximo prrafo.
Dependencia e independencia lineal
Dado un espacio vectorial V y un conjunto de vectores v
1
, v
2
, . . . , v
r
en V, decimos que
el conjunto es linealmente dependiente -o l.d.- si existen nmeros
1
,
2
, . . . ,
r
no todos
iguales a cero tales que
1
v
1

2
v
2
. . .
r
v
r
0.
En caso contrario, el conjunto es linealmente independiente -o l.i.
Ejemplos
1. Como 0 1, 2, 1 11, 1, 1 30, 1, 1 30, 0, 1, el conjunto
1, 2, 1, 1, 1, 1, 0, 1, 1, 0, 0, 1 es ld. En este caso,
1
1,
2
1,
3
3 y

4
3.
2. El conjunto 1, 4, 2, 8 es l.d. porque como 2, 8 21, 4 resulta
que 2, 8 21, 4 0. En este caso,
1
1,
2
2.
Observemos que si S 1, 4, entonces S 1, 4, 2, 8 2, 8. (Los
vectores que son mltiplos de 1, 4 son los mismos que los que se obtienen
como combinacin lineal de 1, 4 y 2, 8.)
3. El conjunto 0, 1, 1, 1, 0, 1 es l.i.: si
1
0, 1, 1
2
1, 0, 1 0, 0, 0
entonces:

2
0

1
0

1

2
0
.
La nica combinacin lineal que verifica
1
0, 1, 1
2
1, 0, 1 0, 0, 0 es
tomando
1
0,
2
0.
(Observemos que si por ejemplo
1
0, podramos despejar 0, 1, 1, siendo:
0, 1, 1

2

1
1, 0, 1, los vectores seran colineales.)
4. El conjunto 0, 1, 1, 1, 0, 1, 2, 1, 3 es l.d. pues el vector 2, 1, 3 est en el
plano generado por 0, 1, 1, 1, 0, 1: 2, 1, 3 0, 1, 1 21, 0, 1.
Regla prctica:
Una manera sencilla de ver que 1, 0, 1, 0, 1, 1, 2, 1, 3 es l.d.es disponer los vectores
dados como si fueran filas de una matriz. Recordemos que para operar entre filas de una
matriz, se pueden multiplicar por un escalar, y sumarlas; todo como si fueran vectores.
Esta similitud es aprovechada ahora para el clculo. Veamos cmo funciona en el caso de
querer ver si el conjunto dado arriba es l.d. o l.i.
Dispongamos las filas en una matriz, pero ahora en lugar de designarlas como F
i
,
ponemos v
i
y vamos indicando al costado de la matriz las operaciones que vamos
haciendo:
1 0 1
0 1 1
2 1 3
v
1
v
2
v
3

1 0 1
0 1 1
0 1 1
v
1
v
2
v
3
2v
1

1 0 1
0 1 1
0 0 0
v
1
v
2
v
3
2v
1
v
2
De la ltima fila, obtenemos que 2v
1
v
2
v
3
0, 0, 0. El conjunto es l.d., siendo
1
2,

2
1,
3
1. Observemos que: v
3
2v
1
v
2
, y que si S 1, 0, 1, 0, 1, 1, 2, 1, 3
entonces S 1, 0, 1, 0, 1, 1.
El conjunto 1, 0, 1, 0, 1, 1 es l.i. pues la matriz
1 0 1
0 1 1
ya est triangulada y
ninguna fila es nula.
Ejemplos
Determinar si los siguientes conjuntos de vectores son l.i.:
1. 3, 1, 1; 1, 0, 1; 2, 1, 3.
2. 0, 0, 1; 2, 2, 3; 1, 1, 1.
3. 3, 2, 1, 0; 2, 5, 4, 1; 2, 2, 2, 2; 1, 0, 1, 0.
Resolvemos.
1. Disponemos los vectores en una matriz y triangulamos:
3 1 1
1 0 1
2 1 3
v
1
v
2
v
3

1 0 1
3 1 1
2 1 3
v
1
v
2
v
3

1 0 1
0 1 2
0 1 1
v
2
v
1
3v
2
v
3
2v
2

1 0 1
0 1 2
0 0 3
v
2
v
1
3v
2
v
3
2v
2
v
1
3v
2

.
Hemos terminado de triangular y ninguna fila es nula, el conjunto dado es l.i. .
Triangulando "de manera inversa " podramos recuperar la matriz original a partir
de la ltima: las combinaciones lineales de los vectores 3, 1, 1; 1, 0, 1; 2, 1, 3
son las mismas que las combinaciones lineales de los vectores
1, 0, 1, 0, 1, 2, 0, 0, 3. Esto es:
3, 1, 1; 1, 0, 1; 2, 1, 3 1, 0, 1, 0, 1, 2, 0, 0, 3.
En general, si disponemos como filas de una matriz los vectores dados, operando
entre las filas obtendremos otro conjunto de vectores que genera el mismo
subespacio.
2. Para acortar los pasos, pongamos al vector 1, 1, 1 en la primera fila:
1 1 1
2 2 3
0 0 1
.
Triangulando, obtenemos:
1 1 1
0 0 1
0 0 1

1 1 1
0 0 1
0 0 0
.
Por una cuestin de comodidad, no hemos escrito a qu vector corresponde cada
fila. Igualmente podemos contestar: el conjunto dado es l.d. pues la ltima fila es
nula. Si "seguimos el rastro " de nuestras cuentas, podemos concluir que el
vector 0, 0, 1 es combinacin lineal de los dems, luego
S 1, 1, 1, 2, 2, 3, 0, 0, 1 1, 1, 1, 2, 2, 3.
En realidad, pocas veces importa cmo se puede escribir el vector que ocupaba
el lugar de la fila que se anula en funcin de los otros, por este motivo, en general
no escribiremos los vectores v
i
al costado de la matriz.
3. Triangulamos la matriz en cuyas filas estn los vectores dados -como
ejercicio, indicar cules son las operaciones que se van efectuando:
3 2 1 0
2 5 4 1
2 2 2 2
1 0 1 0

1 0 1 0
2 5 4 1
2 2 2 2
3 2 1 0

1 0 1 0
0 5 2 1
0 2 0 2
0 2 4 0

1 0 1 0
0 2 0 2
0 5 2 1
0 2 4 0

1 0 1 0
0 1 0 1
0 5 2 1
0 2 4 0

1 0 1 0
0 1 0 1
0 0 2 4
0 0 4 2

1 0 1 0
0 1 0 1
0 0 2 4
0 0 0 10
Luego, el conjunto dado es l.i. .
Bases
Sabemos que
S 1, 1, 1, 2, 2, 3, 0, 0, 1 1, 1, 1, 2, 2, 3
puesto que
0, 0, 1 21, 1, 1 2, 2, 3.
Con el conjunto de vectores 1, 1, 1, 2, 2, 3 alcanza para generar S, pero no con
1, 1, 1 ni con 2, 2, 3. El conjunto 1, 1, 1, 2, 2, 3 es una base de S.
En general, dado un espacio vectorial V, un subespacio S de V y un conjunto de
vectores v
1
, v
2
, . . . , v
r
en V, decimos que el conjunto es una base de S si
1. S v
1
, v
2
, . . . , v
r y
2. v
1
, v
2
, . . . , v
r
es l.i.
La idea es generar S de la manera ms econmica, y esto se consigue tomando un
conjunto de generadores que adems sea l.i.
Ejemplos:
1. En R
2
: el conjunto 1, 00, 1 es una base de R
2
: generan todo el plano,
ya que cualquier x, y se puede escribir como combinacin lineal de 1, 0 y 0, 1:
x, y x1, 0 y0, 1
y claramente 1, 0, 0, 1 es un conjunto l.i.
2. En R
3
: 1, 0, 0, 0, 1, 0, 0, 0, 1 es una base de R
3
:
x, y, z x1, 0, 0 y0, 1, 0 z0, 0, 1.
3. En R
n
: 1, 0, . . . , 0, 0, 1, . . . , 0, 0, 0, . . . , 1 es una base de R
n
. sta se llama
base cannica.
Propiedades
1. Sea S un subespacio de un espacio vectorial V. Si v
1
, v
2
, . . . , v
r
y
w
1
, w
2
, . . . , w
s
son dos bases de S, entonces r s.
Esto quiere decir que todas las bases de un mismo subespacio tienen la misma
cantidad de vectores. Este nmero se llama la dimensin del subespacio, y lo
notaremos dimS.
En particular, dimR
2
2, dimR
3
3, ..., dimR
n
n. (Basta contar la cantidad
de vectores que tienen las respectivas bases cannicas:)
Por definicin, para verificar que un conjunto es base de un subespacio,
sabemos que hay que verificar dos propiedades: la de generar y la de ser
linealmente independiente. Sin embargo, si por algn motivo conocemos de
antemano la dimensin de ese subespacio, basta con verificar slo una de las
dos. Esto es lo que dicen las propiedades 2. y 3:
2. Sea S un subespacio de un espacio vectorial V de dimensin r. Si
v
1
, v
2
, . . . , v
r
es l.i., entonces v
1
, v
2
, . . . , v
r
es una base de S.
3. Sea S un subespacio de un espacio vectorial V de dimensin r. Si
v
1
, v
2
, . . . , v
r
es un conjunto de generadores de S, entonces v
1
, v
2
, . . . , v
r
es una
base de S.
Es til recordar estas propiedades al hacer los ejercicios. Esto es, si conocemos
la dimensin de un subespacio, para ver que un conjunto es base del mismo
bastar con ver que es l.i o conjunto de generadores.
Ejercicios
1. Decidir si los siguientes conjuntos son bases de R
2
:
a. 1, 0
b. 1, 0, 1, 1, 1, 1
c. 1, 0, 1, 1.
2. Hallar una base y la dimensin de los siguientes subespacios:
a. S X R
3
/ x
1
x
2
x
3
0
b. S X R
4
/
x
1
x
2
x
4
0
x
1
2x
4
0
x
3
x
4
0
.
3. Hallar base y dimensin de S 1, 0, 2; 5, 1, 1; 3, 1, 5.
Soluciones
1. Sabemos que la dimensin de R
2
es 2, por lo tanto, todas las bases tienen
que tener 2 vectores. Los conjuntos a. y b. estn entonces descartados. Veamos
qu pasa con 1, 0, 1, 1: es un conjunto l.i. porque
1 0
1 1

1 0
0 1
.
En particular, de ac vemos que 1, 0, 1, 1 1, 0, 0, 1 R
2
. Entonces,
adems de ser l.i., generan todo el espacio.
Luego, 1, 0, 1, 1 es una base de R
2
.
a. Sabemos encontrar un conjunto de generadores de S, buscando la
solucin del sistema expresada en forma paramtrica. Para eso,
despejamos x
1
x
2
x
3
, de donde cada X S es de la forma
X x
2
x
3
, x
2
, x
3
x
2
1, 1, 0 x
3
1, 0, 1.
De ac concluimos que 1, 1, 0, 1, 0, 1 es un conjunto de
generadores.
Y como son l.i.: 1, 1, 0, 1, 0, 1 es una base.
b. De la misma manera que en el caso anterior, buscamos la solucin
paramtrica del sistema. Para esto, escribimos la matriz ampliada y
triangulamos:
1 1 0 1
1 0 0 2
0 0 1 1

1 1 0 1
0 1 0 1
0 0 1 1
Reconstruimos el sistema (no confundir esta matriz con la que
armamos con los vectores para ver l.i.).
x
1
x
2
x
4
0
x
2
x
4
0
x
3
x
4
0
Resolvemos: de la tercera ecuacin obtenemos: x
3
x
4
y de la
segunda: x
2
x
4
.
Reemplazamos en la primera: x
1
x
4
x
4
0, entonces: x
1
2x
4
.
La solucin paramtrica es X 2x
4
, x
4
, x
4
, x
4
x
4
2, 1, 1, 1.
Luego, 2, 1, 1, 1 es una base de S: es un conjunto de
generadores y es l.i.
2. Tenemos como dato que 1, 0, 2; 5, 1, 1; 3, 1, 5 es un conjunto de
generadores. Son l.i.:
1 0 2
5 1 1
3 1 5

1 0 2
0 1 11
0 1 11

1 0 2
0 1 11
0 0 0
Entonces 1, 0, 2; 5, 1, 1; 3, 1, 5 1, 0, 2; 0, 1, 11 y como
1, 0, 2; 0, 1, 11 es l.i., 1, 0, 2; 0, 1, 11 es una base de S, y dimS 2.
Los conjuntos 1, 0, 2; 5, 1, 1, 1, 0, 2; 3, 1, 5,5, 1, 1; 3, 1, 5 son l.i. y
sus elementos son vectores de S. Adems, 1, 0, 2; 5, 1, 1 genera S, ya que
1 0 2
5 1 1
3 1 5

1 0 2
0 1 11
0 0 0

1 0 2
5 1 1
0 0 0
y como es l.i., 1, 0, 2; 5, 1, 1 es base de S.
En general: cualquier subconjunto l.i. de S de 2 vectores ser una base, pues
generar el mismo subespacio.
Lo mismo que para cualquier subespacio: si conocemos la dimensin, basta ver que un
conjunto de vectores es l.i. para concluir que este conjunto es base.
Ejercicios
1. Hallar dos bases distintas de S 1, 1, 1, 0; 0, 1, 2, 1.
2. Dado S X R
4
: x
1
x
2
0 , x
2
x
3
x
4
0,
a. hallar, si es posible, una base de S que contenga el vector
v 0, 0, 1, 1,
b. hallar una base de S que no contenga el vector v 0, 0, 1, 1,
c. hallar, si es posible, una base de S que contenga el vector
v 0, 1, 1, 1.
3. Hallar los valores de a y b para que 1, 0, a; 3, b, 1 sea una base de
S X R
3
: x
1
2x
2
x
3
0.
4. En R
3
, sea S 1, 3, 2; 3, 1, 0; 1, 7, k. Determinar los valores de k R
para los cuales el subespacio S tiene dimensin 2.
5. Sean v
1
2, 1, 1, 0, v
2
1, 0, 0, 0, v
3
0, 1, 1, 0, v
1
2, 2, 2, 2. Hallar
una base de S v
1
, v
2
, v
3
, v
4 que no contenga ni a v
1
, ni a v
2
, ni a l.i.v
3
ni a v
4
.
6. Expresar, si es posible, 4, 1, 1 como combinacin lineal de 0, 1, 1, 2, 0, 1
y 2, 1, 2 de dos maneras distintas.
7. Decidir si existe algn valor k R tal que k, k, 1; 3, k, 1 es base del
subespacio S X R
3
/x
1
3x
3
0. Justificar.
8. Sea S X R
4
/x
1
x
3
2x
4
0. Decidir cules de los siguientes
conjuntos son base de S:
a. C
1
1, 0, 1, 0; 2, 0, 0, 1; 0, 1, 0, 0.
b. C
2
0, 0, 2, 1; 1, 0, 1, 1.
c. C
3
1, 1, 1, 0; 1, 0, 1, 0; 2, 1, 2, 0.
9. Determinar a para que el vector 1, 3, a, 2 pertenezca al subespacio
S 1, 1, 1, 1, 2, 2, 0, 1.
10. Determinar a para que el vector a, 2a, 3 pertenezca al subespacio
S 1, 1, 3, 0, 1, 3.
11. Dado S x R
4
: 2x
1
x
2
x
3
0 encontrar un vector v no nulo de S que
pertenezca a W 1, 1, 2, 2, 0, 2, 1, 1.
12. Extender, si es posible, los siguientes conjuntos a una base del espacio
vectorial que los contiene:
a. 1, 2
b. 1, 1, 0
c. 1, 1, 0, 2, 2, 0
d. 1, 1, 0, 2, 2, 3
Soluciones
1. 1, 1, 1, 0; 0, 1, 2, 1 es un conjunto de generadores de S, como adems
-verificar- es un conjunto l.i., entonces 1, 1, 1, 0; 0, 1, 2, 1 es una base de S.
Para buscar otra base, hay que encontrar dos vectores l.i. que sean combinacin
lineal de v
1
1, 1, 1, 0 y v
2
0, 1, 2, 1.
Por ejemplo: 2v
1
, v
2
, v
1
v
2
, v
1
v
2
, etc. Entonces:
los conjuntos: 2, 2, 2, 0, 0, 1, 2, 1 y 1, 0, 3, 1; 1, 2, 1, 1 son bases de S.
2.
a. Hallemos primero una base cualquiera del subespacio dado para ver
cul es su dimensin.
Es S
x
1
x
2
0
x
2
x
3
x
4
0
. Como el sistema est triangulado,
podemos empezar a despejar variables. De la segunda ecuacin
obtenemos: x
4
x
2
x
3
.
De la primera, x
1
x
2
, de donde la solucin paramtrica del sistema
es: X x
2
, x
2
, x
3
, x
2
x
3
x
2
1, 1, 0, 1 x
3
0, 0, 1, 1.
Entonces, 1, 1, 0, 1, 0, 0, 1, 1 es un sistema de generadores, y
como es un conjunto l.i. -verificar-, es una base. Pero el ejercicio pide
que el vector 0, 0, 1, 1 pertecezca a la base. No confundir,
1, 1, 0, 1, 0, 0, 1, 1 es un conjunto de dos elementos, y 0, 0, 1, 1
no es ninguno de ellos. Pero como 0, 0, 1, 1 0, 0, 1, 1, entonces
1, 1, 0, 1, 0, 0, 1, 1 1, 1, 0, 1, 0, 0, 1, 1. Luego,
1, 1, 0, 1, 0, 0, 1, 1 tambin es una base y contiene al vector 0, 0, 1, 1.
b. Recordemos que en particular una base es un sistema de generadores,
por lo cual estamos buscando dos vectores v
1
y v
2
que verifiquen que
todo vector del subespacio se pueda escribir: X
1
v
1

2
v
2
.
Sabemos que X
1
1, 1, 0, 1
2
0, 0, 1, 1, pero ahora no podemos
usar el vector 0, 0, 1, 1 para generar. Pero -por ejemplo-
X
1
1, 1, 0, 1
2
0, 0, 1, 1, de donde 1, 1, 0. 1, 0, 0, 1, 1 es
un conjunto de generadores y no contiene el vector 0, 0, 1, 1.
Es inmediato ver que tambin es un conjunto l.i.. Entonces
1, 1, 0, 1, 0, 0, 1, 1 tambin es una base y no contiene al vector 0, 0, 1, 1.
Observemos que podramos haber tomado cualquier mltiplo no nulo
del vector 0, 0, 1, 1 en el lugar de 0, 0, 1, 1, obteniendo el mismo
resultado.
c. Todos los vectores que estn en una base de un subespacio son en
particular elementos de ese subespacio. Como el vector 0, 1, 1, 1 no
verifica la primera ecuacin de
S X R
4
: x
1
x
2
0 , x
2
x
3
x
4
0 -ya que 0 1 0-
entonces no hay ninguna base de S que contenga al vector 0, 1, 1, 1.
3. Observemos que S es un plano en R
3
-una ecuacin lineal en el espacio-.
Por esto, dim(S 2. Entonces, una base es un conjunto de dos vectores para
los que se verifica que estn en S y son l.i.
Para que los vectores dados estn en S, deben verificar la ecuacin de definicin
de S, esto es:
1 2. 0 a 0
3 2b 1 0
. De ac obtenemos que a 1 y b 2.
Falta ver que 1, 0, 1; 3, 2, 1 es l.i., pero esto vale pues
1 0 1
3 2 1

1 0 1
0 2 4
.
4. Es 1, 3, 2; 3, 1, 0; 1, 7, k un conjunto de generadores, si fuera l.i. la
dimensin del subespacio sera 3. Como 1, 3, 2; 3, 1, 0 es l.i., podramos ver
que 1, 7, k es combinacin lineal de 1, 3, 2 y 3, 1, 0.
Si no, directamente triangulamos
1 3 2
3 1 0
1 7 k
. Es
1 3 2
3 1 0
1 7 k

1 3 2
0 10 6
0 10 k 2

1 3 2
0 10 6
0 0 k 4
.
Luego, debe ser k 4.
5. Primero hallamos una base de S para ver la dimensin. Para eso
triangulamos la matriz
2 1 1 0
1 0 0 0
0 1 1 0
2 2 2 2
. . . .
2 1 1 0
0 1 1 0
0 0 0 2
0 0 0 0
.
Entonces, la dimensin de S es 3 y el conjunto v
1
, v
2
, v
3
es una base de S. Pero
como no queremos que contenga ninguno de los vectores dados, tomamos por
ejemplo 2v
1
, 3v
2
, v
3
como base de S. Otra solucin posible es
2, 1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 2 es una base de S, pues es un conjunto de
generadores -ver la triangulacin anterior- y adems es un conjunto l.i.
Obviamente, no contiene ninguno de los vectores dados.
6. Si triangulamos la matriz
0 1 1
2 0 1
2 1 2
4 1 1
v
1
v
2
v
3
v
4
y llegamos a una matriz con
ltima fila nula, tendremos escrito v
4
como combinacin lineal de v
1
, v
2
y v
3
(escribimos la columna de vectores
v
1
v
2
v
3
v
4
para, con las mismas cuentas, obtener
la combinacin lineal buscada). Es
0 1 1
2 0 1
2 1 2
4 1 1
v
1
v
2
v
3
v
4

2 0 1
0 1 1
0 1 1
0 1 1
v
2
v
1
v
3
v
2
v
4
2v
2
Con un paso ms, vemos que v
4
2v
2
v
1
0, de donde v
4
v
1
2v
2
.
Podramos intentar triangular de otra forma para conseguir otra expresin. Se
propone hacerlo como ejercicio.
Otra manera de resolver es usando directamente la definicin de combinacin
lineal: se buscan escalares , , que verifiquen:
4, 1, 1 0, 1, 1 2, 0, 1 2, 1, 2.
Esto equivale a resolver el sistema:
4 2 2
1
1 2
.
Si el sistema fuera incompatible, 4, 1, 1 no sera combinacin lineal de los
vectores dados, pero a partir de lo hecho antes sabemos que no es as. El
sistema es compatible.
Si fuera determinado la solucin encontrada arriba sera la nica posible, y si
fuera indeterminado, habra infinitas maneras de expresarlo como combinacin
lineal de 0, 1, 1, 2, 0, 1 y 2, 1, 2.
Resolvamos el sistema para ver en qu situacin estamos:
0 2 2 4
1 0 1 1
1 1 2 1

1 0 1 1
0 2 2 4
1 1 2 1

1 0 1 1
0 2 2 4
0 1 1 2

1 0 1 1
0 1 1 2
0 0 0 0
Reconstruimos el sistema:
1
2
Podemos poner entonces: 1 , 2 . El sistema es indeterminado, y
todas las maneras de escribir el vector 4, 1, 1 como combinacin lineal de
0, 1, 1, 2, 0, 1 y 2, 1, 2 son:
4, 1, 1 1 0, 1, 1 2 2, 0, 1 2, 1, 2.
Por ejemplo, si 0, obtenemos la solucin dada arriba. Le damos otro valor a
para completar la respuesta, por ejemplo 1 y obtenemos:
4, 1, 1 20, 1, 1 2, 0, 1 2, 1, 2.
7. Primero observemos que S X R
3
/x
1
3x
3
0 es un plano en R
3
, luego
su dimensin es 2, con lo cual una base de S es un conjunto de dos vectores
v
1
, v
2
que verifican:
v
1
S
v
2
S
, y v
1
, v
2
debe ser l.i. Por la primera
condicin, usando la ecuacin de definicin del subespacio, tenemos que:
k 3 0
3 3 0
. Entonces k 3.
Debemos ver ahora si el conjunto 3, 3, 1; 3, 3, 1 es l.i.: no lo es, pues
3, 3, 1 3, 3, 1. Entonces, el nico valor de k que sirve para que se cumpla
la primera condicin no sirve para que se cumpla la segunda. Entonces,
para ningn valor de k, el conjunto k, k, 1; 3, k, 1 es base del subespacio S.
8. Primero buscamos una base de S para ver cul es su dimensin: como
x
1
x
3
2x
4
, la solucin paramtrica del sistema es:
x
3
2x
4
, x
2
, x
3
, x
4
x
2
0, 1, 0, 0 x
3
1, 0, 1, 0 x
4
2, 0, 0, 1.
Entonces,0, 1, 0, 0, 1, 0, 1, 0, 2, 0, 0, 1 es un conjunto de generadores de S, y
como es l.i., la dimensin de S es 3. El conjunto C
2
no es una base de S, pues
tiene slo dos vectores.
El conjunto C
1
es una base de S, pues es un conjunto de tres vectores de S
-verificar, y es l.i.:
1 0 1 0
2 0 0 1
0 1 0 0

1 0 1 0
0 0 2 1
0 1 0 0

1 0 1 0
0 1 0 0
0 0 2 1
.
El conjunto C
3
no es una base de S pues es l.d.: 2, 1, 2, 0 1, 1, 1, 0 1, 0, 1, 0.
9. Buscamos a para que el vector v 1, 3, a, 2 pertenezca al subespacio
S 1, 1, 1, 1, 2, 2, 0, 1. Esto significa que el vector v debe ser combinacin
lineal de 1, 1, 1, 1 y 2, 2, 0, 1. Utilizando la regla prctica dada anteriormente,
basta con armar la matriz
1 1 1 1
2 2 0 1
1 3 a 2
y ver cules son las condiciones
sobre a para que al triangular(sin cambiar la ltima fila de lugar, sta se convierta
en 0 0 0 0 . Es
1 1 1 1
2 2 0 1
1 3 a 2

F
2
F
2
2F
1
F
3
F
3
F
1
1 1 1 1
0 4 2 3
0 4 a 1 3

F
3
F
3
F
2
1 1 1 1
0 4 2 3
0 0 a 1 0
Luego, el vector v 1, 3, a, 2 pertenece al subespacio S si y slo si a 1.
10. Ahora, buscamos a para que el vector v a, 2a, 3 pertenezca al subespacio
S 1, 1, 3, 0, 1, 3. El procedimiento es el mismo que en el ejercicio anterior.
Tenemos que triangular la matriz
1 1 3
0 1 3
a 2a 3
.
a. Si a 0, la matriz ya est triangulada. En este caso es:
1 1 3
0 1 3
0 0 3
, y el vector v 0, 0, 3 no pertenece al subespacio S
pues no se puede escribir como combinacin lineal de los generadores
de S.
b. Si a 0 debemos triangular:
1 1 3
0 1 3
a 2a 3

F
3
F
3
aF
1
1 1 3
0 1 3
0 a 3 3a

F
3
F
3
aF
2
1 1 3
0 1 3
0 0 3 6a
Entonces, el vector v a, 2a, 3 pertenece a S si y slo si 3 6a 0,
esto es, si a
1
2
.
Observemos que en realidad no haca falta separar el estudio en los
casos a. y b. ya que al operar no se multiplicaba la fila transformada por
a, sino otra. La respuesta es:
v a, 2a, 3 pertenece a S si y slo si a
1
2
.
11. Buscamos un vector v no nulo de S x R
4
: 2x
1
x
2
x
3
0 que
pertenezca a W 1, 1, 2, 2, 0, 2, 1, 1.
Ya que v es un vector de W, se debe poder escribir como combinacin lineal de
los generadores de W. Pongamos entonces
v 1, 1, 2, 2 0, 2, 1, 1.
Hallar v es encontrar y .
Sabemos que v debe estar en S, esto es, debe verificar la ecuacin de S. Como
v , 2, 2 , 2
entonces, reemplazando en la ecuacin de S,
2 2 2 0.
Luego,
0.
Esto significa que si en , 2, 2 , 2 le damos valores a y de
manera que se cumpla 0, estaremos cumpliendo simultneamente las
condiciones impuestas para estar en ambos subespacios -hemos encontrado
entonces S W-. El ejercicio nos pide hallar uno de esos vectores. Por ejemplo,
podemos tomar 1 y 1, obteniendo v 1, 1, 1, 1.
12. Entendamos primero qu es lo que se est pidiendo. Extender un conjunto
dado a una base de un espacio vectorial V (o de un subespacio S) significa
encontrar una base de V (o de S) que contenga el conjunto dado.
a. En este caso el conjunto dado es 1, 2 y el espacio vectorial es R
2
.
Lo que se quiere hacer es encontrar una base de R
2
que contenga el
vector 1, 2. Para esto, como sabemos que la dimensin de R
2
es dos,
basta con encontrar un vector v tal que 1, 2, v sea l.i. Por ejemplo,
el conjunto 1, 2, 0, 1 es una base de R
2
que extiende a 1, 2.
b. Ahora, como la dimensin de R
3
es tres, buscamos dos vectores v y w
tal que 1, 1, 0, v, w sea l.i. Por ejemplo, v 1, 0, 0, w 0, 0, 1.
Verifiquemos que efectivamente 1, 1, 0, 1, 0, 0, 0, 0, 1 es l.i.
Para eso triangulamos:
1 1 0
1 0 0
0 0 1

F
2
F
2
F
1
1 1 0
0 1 0
0 0 1
.
Como esta ltima matriz est triangulada y no tiene ninguna fila de
ceros, el conjunto de tres vectores 1, 1, 0, 1, 0, 0, 0, 0, 1 es l.i., y por
lo tanto es una base de R
3
. Entonces,
el conjunto 1, 1, 0, 1, 0, 0, 0, 0, 1 es una base de R
3
que extiende a 1, 1, 0.
c. Como 1, 1, 0, 2, 2, 0 ya tiene dos elementos, debe buscarse un
vector v tal que 1, 1, 0, 2, 2, 0, v sea l.i. Pero como 1, 1, 0, 2, 2, 0
es l.d. -ya que 2, 2, 0 21, 1, 0-, cualquiera sea v el conjunto
1, 1, 0, 2, 2, 0, v es l.d. Entonces,
no se puede extender 1, 1, 0, 2, 2, 0 a una base de R
3
.
d. 1, 1, 0, 2, 2, 3 es l.i:
1 1 0
2 2 3

F
2
F
2
2F
1
1 1 0
0 0 3
A partir de la matriz que est triangulada es ms fcil elegir un vector v
tal que 1, 1, 0, 2, 2, 3, v sea l.i. Por ejemplo,
1, 1, 0, 2, 2, 3, 0, 1, 0 es una base de R
3
que extiende a 1, 1, 0, 2, 2, 3.
PRCTICA 4
Matrices
Sabemos ya que R
mxn
es el conjunto de matrices con coeficientes reales, de m filas y n
columnas.
Por ejemplo, R
2x3

a
11
a
12
a
13
a
21
a
22
a
23
/ a
ij
R, i 1, 2, j 1, 2, 3 .
Ejercicios
1. Escribir la matriz A R
4x3
tal que a
ij
i j 2 para 1 i 4, 1 j 3.
2. Lo mismo para B R
3x3
tal que b
ij

1 si i j
0 si i j
.
3. Escribir tres elementos del conjunto
A A R
3x3
/ a
ij
0 si i j, a
ii
k, k R. .
Soluciones
1. Calculamos los coeficientes de la matriz pedida. Para ayudarnos, indicamos
esta vez en qu fila y columna est cada coeficiente:
i , j columna j
fila i
-
1
-
2
-
3
1 1 1 2 1 2 2 1 3 2
2 2 1 2 2 2 2 2 3 2
3 3 1 2 3 2 2 3 3 2
4 4 1 2 4 2 2 4 3 2
Calculando:
A
4 5 6
5 6 7
6 7 8
7 8 9
2. De la misma manera, calculamos la matriz B. Ahora:
B
i , j
-
1
-
2
-
3
1 1 0 0
2 0 1 0
3 0 0 1
.
Esta matriz se llama matriz identidad de R
3x3
, y la notamos I
3
. Esto es:
I
3

1 0 0
0 1 0
0 0 1
.
En todo conjunto de matrices cuadradas R
nxn
se puede definir la matriz identidad
I
n
: sus coeficientes sern 1 los de la diagonal y el resto sern todos 0. Por
ejemplo:
I
2

1 0
0 1
.
3. Si A A, entonces tiene todos sus elementos "0", excepto en la diagonal,
que son todos iguales a un escalar k. Una matriz de esta forma se llama matriz
escalar. Son matrices escalares:
A
1 0 0
0 1 0
0 0 1
, B
9 0 0
0 9 0
0 0 9
, C
1 0 0
0 1 0
0 0 1
, D
0 0 0
0 0 0
0 0 0
.
Operaciones en R
mxn
Suma:
Al igual que en el caso de los vectores, se suma coeficiente a coeficiente.
Ejemplo: si A, B R
2x3
, A
1 2 3
0 2 5
y B
5 2 0
0 2 3
entonces
A B
6 0 3
0 4 8
.
En general, si A (a
ij
) y B (b
ij
) entonces
A B (a
ij
b
ij
).
Producto por un escalar
Si k R y A (a
ij
) entonces
kA (ka
ij
).
Ejemplo:
3
1 2 3
0 2 5

3 6 9
0 6 15
.
Propiedad
Es inmediato verificar que R
mxn
con las operaciones recin definidas es un espacio
vectorial.
Si m 1, A, B R
1xn
(matrices de una fila y ene columnas). Sumar A y B como matrices
coincide con la suma como vectores: lugar a lugar. Tambin coincide la multiplicacin de
un escalar con una matriz de una fila: se multiplica por el escalar cada coeficiente de la
matriz (vector).
Ejercicios
1. Dadas las matrices A
1 1 3
4 2 5
, B
1 2 3
0 2 0
calcular A y
2A 3B.
2. Calcular la dimensin de R
2x3
.
3. Sean A y B las matrices dadas en 1 y sean C y D las matrices:
C
4 1 12
12 4 15
, D
4 1 12
12 4 1
. Decidir si C y D se pueden
escribir como combinacin lineal de A y B.
4. Hallar bases y dimensin de los subespacios:
a. A
1
A R
2x2
/ a
12
0, a
22
0).
b. A
2
A R
3x3
/ a
ij
a
ji
0, 1 i, j 3).
Soluciones
1. Es
A (1)
1 1 3
4 2 5

1 1 3
4 2 5
2A 3B 2
1 1 3
4 2 5
3
1 2 3
0 2 0

2 2 6
8 4 10

3 6 9
0 6 0

1 8 3
8 10 10
.
2. Primero recordemos cmo encontramos la base cannica, por ejemplo, de
R
2
. Escribamos (x, y) x(1, 0) y(0, 1), de donde R
2
((1, 0), (0, 1)), despus
estudibamos la independencia lineal de (1, 0), (0, 1)). El trabajo qie haremos
ahora es similar. Si A R
2x3
entonces es
A
a
11
a
12
a
13
a
21
a
22
a
23

a
11
1 0 0
0 0 0
a
12
0 1 0
0 0 0
a
13
0 0 1
0 0 0

a
21
0 0 0
1 0 0
a
22
0 0 0
0 1 0
a
23
0 0 0
0 0 1
.
Entonces, R
2x3
est generado por el conjunto de matrices
B
1 0 0
0 0 0
0 1 0
0 0 0
0 0 1
0 0 0
0 0 0
1 0 0
0 0 0
0 1 0
0 0 0
0 0 1
.
Adems, para verificar si B es l.i. planteamos:

1
1 0 0
0 0 0

2
0 1 0
0 0 0

3
0 0 1
0 0 0

4
0 0 0
1 0 0

5
0 0 0
0 1 0

6
0 0 0
0 0 1

0 0 0
0 0 0
Pero entonces, si calculamos la expresin que est a la izquierda del signo ,
obtenemos:
a
1
a
2
a
3
a
4
a
5
a
6

0 0 0
0 0 0
Igualando coeficiente a coeficiente, vemos que

1

2

3

4

5

6
0
de donde, efectivamente, B es l.i.
Con esto, hemos probado que dimR
2x3
6. La base B se llama base cannica de
R
2x3
.
De la misma manera se puede ver en general que dimR
mxn
mxn. De la misma
manera tambin se puede dar la base cannica de R
mxn
.
Por ejemplo, la base cannica de R
2x2
es
1 0
0 0
,
0 1
0 0
,
0 0
1 0
,
0 0
0 1
.
3. Veamos primero si hay escalares y tales que
4 1 12
12 4 15

1 1 3
4 2 5

1 2 3
0 2 0
.
Igualamos coordenada a coordenada. Debemos ver si es compatible el sistema
S
1
:
4
1 2
12 3 3
12 4
4 2 2
15 5
.
De las dos primeras ecuaciones obtenemos 3 y 1. Luego, chequeamos
para estos valores, se verifican todas las ecuaciones, de donde resulta que el
sistema es compatible y que C es combinacin lineal de A y B .
Ahora planteamos lo mismo pero para la matriz D: queremos ver si tiene solucin
la ecuacin
4 1 12
12 4 1

1 1 3
4 2 5

1 2 3
0 2 0
.
Obtenemos ahora el sistema
S
2
:
4
1 2
12 3 3
12 4
4 2 2
1 5
que es incompatible. Luego, D no es combinacin lineal de A y B .
(Si se tienen las ideas claras, y no nos confundimos con qu objetos estamos en
realidad trabajando, podemos observar que si plantearamos como ejercicio:
"decidir si, en R
6
, el vector C (4, 1, 12, 12, 4, 15) es combinacin lineal de los
vectores (1, 1, 3, 4, 2, 5) y (1, 2, 3, 0, 2, 0)" tendramos que resolver el mismo
sistema S
1
. A partir de este hecho, que es general, fabricarmos una regla prctica
para ver si una matriz es combinacin lineal de otras: escribindolas como
vectores y usando la regla prctica para vectores.)
a. Escribimos un elemento genrico de A
1
: si A A
1
entonces es
A
a
11
0
a
21
0
a
11
1 0
0 0
a
21
0 0
1 0
.
Luego,
A
1

1 0
0 0
,
0 0
1 0
.
Es inmediato que
1 0
0 0
,
0 0
1 0
es una base, de donde
dimA
1
2.
(Por lo dicho antes, basta ver que (1, 0, 0, 0), (0, 0, 1, 0)) es l.i.).
b. Aclaremos primero que 1 i, j 3 es una abreviatura de 1 i 3,
1 j 3.
La condicin a
ij
a
ji
0, 1 i, j 3 significa que
1. a
11
a
11
0
2. a
12
a
21
0
3. a
13
a
31
0
4 .a
22
a
22
0
5. a
23
a
32
0
6. a
33
a
33
0
.
Las condiciones 1, 4 y 6 no imponen ninguna restriccin sobre los
coeficientes.
Podemos abreviar el sistema escribiendo
a
12
a
21
0
a
13
a
31
0
a
23
a
32
0
o, equivalentemente:
a
12
a
21
a
13
a
31
a
23
a
32
.
Entonces, si A A
2
es
A
a
11
a
12
a
13
a
12
a
22
a
23
a
13
a
23
a
33
a
11
1 0 0
0 0 0
0 0 0
a
12
0 1 0
1 0 0
0 0 0
a
13
0 0 1
0 0 0
1 0 0
a
22
0 0 0
0 1 0
0 0 0
a
23
0 0 0
0 0 1
0 1 0
a
33
0 0 0
0 0 0
0 0 1
.
Entonces, un conjunto de generadores de A
2
es
1 0 0
0 0 0
0 0 0
0 1 0
1 0 0
0 0 0
0 0 1
0 0 0
1 0 0
0 0 0
0 1 0
0 0 0
0 0 0
0 0 1
0 1 0
0 0 0
0 0 0
0 0 1
y como este conjunto es l.i., la dimA
2
6.
Si nos piden ejemplos de elementos de A
2
, cualquier matriz de la base
sirve.
Observemos que para decidir si una matriz es un elemento del conjunto
A
2
, se debe verificar que los coeficientes de la misma que son
"simtricos" respecto de la diagonal principal sean iguales.
Si una matriz est en A
2
se llama matriz simtrica.
Ms ejemplos de matrices simtricas:
1 0 0
0 1 0
0 0 1
,
0 0 0
0 0 0
0 0 0
,
1 8 5
8 0 3
5 3 11
Observemos que en las matrices simtricas las filas son iguales a las
columnas.
Matriz traspuesta
Dada una matriz A, la matriz traspuesta A
t
es la que se obtiene transformando las filas
de A en columnas.
Ejemplos:
Si A
1 2 3
4 5 6
7 8 9
, B
1 2
3 4
5 6
, C
1
2
3
entonces A
t

1 4 7
2 5 8
3 6 9
, B
t
1 3 5
2 4 6
, C
t
1 2 3 .
Propiedades
1. Si A R
mxn
entonces A
t
R
nxm
2. (A B)
t
A
t
B
t
3. (A
t
)
t
A
4. Si A
t
A si y slo si A es simtrica.
Las propiedades 1, 2 y 3 son inmediatas.
Para verificar la propiedad 4, observemos primero que -por 1- debe cumplirse que
m n, esto es, A debe ser en una matriz cuadrada. Y que sus filas sean iguales a sus
columnas es la condicin de simetra.
Ejercicios
Calcular, cuando sea posible:
1. A
t
B, siendo A
1 2 3
4 5 6
y B
1 2 0
4 0 2
.
2. A
t
B, siendo A
1 2 3
4 5 6
y B
1 4
2 0
0 2
.
3. A
t
A , siendo A
1
4
.
4. A
t
A , siendo A
1 0 0
1 2 3
0 0 5
.
Soluciones
1. Como A R
2x3
entonces A
t
R
3x2
. Esto significa que A
t
tiene 3 filas y 2
columnas. Entonces no se puede sumar con B, que tiene 2 filas y 3 columnas.
2. Es A
t

1 4
2 5
3 6
. Entonces A
t
B
1 4
2 5
3 6

1 4
2 0
0 2

0 8
4 5
3 8
.
3. Si A es un vector fila, entonces A
t
es un vector columna: no se pueden
sumar.
4. Ahora: A
t
A
1 1 0
0 2 0
0 3 5

1 0 0
1 2 3
0 0 5

2 1 0
1 4 3
0 3 10
.
Producto de matrices
Primero veamos cmo se define el producto de un vector fila A R
1xn
por un vector
columna B R
nx1
:
a
1
a
2
. . . a
n
b
1
b
2
. . .
b
n
a
1
b
1
a
2
b
2
. . . a
n
bn.
Ejemplos
1. 1 5 0 1
2
3
4
1
1. 2 5. 3 0. 4 (1). 1 16
2. 7 8
3
4
53.
En general, para multiplicar A R
mxn
por B R
nxr
se debe multiplicar cada fila de A por
cada columna de B. El resultado ser una matriz C (c
ij
) R
mxr
donde
c
ij
A
i
B
j
:
el elemento c
ij
es el resultado del producto -coeficiente a coeficiente- de la fila i de A por
columna j de B.
Ejemplo
Ubicamos a las matrices de la siguiente manera:
B
A AB
Para calcular el lugar c
ij
del producto, utilizamos la fila i de A y la columna j de B:
B
j

A
i
c
ij
En este caso:
1 2 3
4 5 6
1 2
3 4
5 6
9 12 15
19 26 33
29 40 51
pues:
1 2
1
4
9, 1 2
2
5
12, 1 2
3
6
15
3 4
1
4
19, 3 4
2
5
26, 3 4
3
6
33
5 6
1
4
29, 5 6
2
5
40, 5 6
3
6
51.
Propiedades
1. El producto de matrices no es conmutativo. Mas an: puede ser que AB est
definido, mientras que BA no.
Por ejemplo:
1 2 3
3 2 1
2
4
6

28
20
pero
2
4
6
1 2 3
3 2 1
no se puede hacer pues no coinciden la cantidad de columnas de A con la
cantidad de filas de B.
An estando definidos ambos productos, pueden no coincidir:
1 2
6 7
0 1
2 3

4 7
14 27
pero
0 1
2 3
1 2
6 7

6 7
20 25
.
2. El producto de matrices es asociativo: (AB)C A(BC).
3. Observemos que si A, B R
nxn
entonces AB R
nxn
. Y, para toda A R
nxn
,
AI
n
A I
n
A.
Esto significa que I
n
es elemento neutro para el producto.
Ejemplo:
3 4
1 2
1 0
0 1

3 4
1 2

1 0
0 1
3 4
1 2
.
4. (AB)
t
B
t
A
t
.
Ejemplo:
3 4
1 2
1 2
3 1
t

15 10
5 0
t

15 5
10 0
y:
1 2
3 1
t
3 4
1 2
t

1 3
2 1
3 1
4 2

15 5
10 0
.
Si tiene paciencia, verifique que el lugar coeficiente
21
de (AB)
t
es el mismo que el
coeficiente
21
B
t
A
t
.
(El coeficiente
21
de (AB)
t
es
12
de AB, esto es, fila 1 de A por columna 2 de B, y el
coeficiente
21
de B
t
A
t
es la fila 2 de B
t
por la columna 1 de A
t
, o, lo que es lo mismo, la
columna 2 de B por la fila 1 de A.)
Ejemplo
Escribir el sistema
S :
2x
1
x
2
2
x
1
x
3
0
x
2
2x
3
2
como producto de matrices y decidir si (2, 2, 2),(0, 0, 0) y (0, 2, 1) son soluciones de S.
Observemos que A
2 1 0
1 0 1
0 1 2
es la matriz asociada a S.
Escribamos X
x
1
x
2
x
3
y B
2
0
2
, entonces el sistema se puede abreviar
AX B,
ya que
2 1 0
1 0 1
0 1 2
x
1
x
2
x
3

2x
1
x
2
x
1
x
3
x
2
2x
3

2
0
2
significa que
2x
1
x
2
2
x
1
x
3
0
x
2
2x
3
2
.
Aplicaciones
1. En las primeras 10 fechas del campeonato de ftbol, los equipos que
representan a CG obtuvieron los siguientes resultados: el equipo A gan 4
partidos, empat 4 y perdi 2; el equipo B gan 3, empat 2 y perdi 5; el equipo
C gan 2, empat 3 y perdi 5; el equipo D gan 7 y perdi 3. Cada partido
ganado da 3 puntos, cada partido empatado da 1 punto y cada partido perdido da
0 puntos.
Escribir la informacin en forma de matriz y utilizar el producto de matrices para
obtener el puntaje de cada uno de los equipos A, B, C y D.
Modificar el esquema suponiendo que cada partido ganado da 1 punto, cada
partido empatado da 0 puntos y cada partido perdido da -1 punto.
2. Consideremos el siguiente esquema de vuelos directos entre las ciudades
A, B y C:
A
B
C
D
Construir una matriz A que represente esta situacin. Qu significa A
2
?
Soluciones
1. Armemos una matriz que nos informe, para cada equipo, cuntos partidos
gan, cuntos empat y cuntos perdi:
g e p
A
B
C
D
4 4 2
3 2 5
2 3 5
7 0 3
Escribimos en un vector columna los puntajes que se asignan a cada situacin:
3
1
0
Si multiplicamos
4 4 2
3 2 5
2 3 5
7 0 3
3
1
0

16
11
9
21
obtenemos que A tiene 16 puntos, B tiene 11, C tiene 9 y D 21.
Si se cambian las reglas y el vector puntaje es
1
0
1
entonces los puntos de
cada equipo se consiguen multiplicando
4 4 2
3 2 5
2 3 5
7 0 3
1
0
1

2
2
3
4
: por
ejemplo, B tiene -2 puntos!
2. Armamos una matriz M poniendo un 1 en el lugar ij si hay un vuelo de la
ciudad que est en la fila i que vaya a la ciudad que est en la columna j, y con
un 0 si no lo hay:
A B C D
A
B
C
D
0 0 1 1
1 0 0 0
1 0 0 1
0 1 1 0
.
Calculemos M
2
y veamos qu significan los coeficientes de esta matriz.
M
2

0 0 1 1
1 0 0 0
1 0 0 1
0 1 1 0
0 0 1 1
1 0 0 0
1 0 0 1
0 1 1 0

1 1 1 1
0 0 1 1
0 1 2 1
2 0 0 1
Por ejemplo, el coeficiente de la matriz producto que ocupa la fila 4, columna 1,
es el producto de la fila 4 de la primera matriz por la columna 1 de la segunda:
0 1 1 0
0
1
1
0
2
Observemos que se "acumulan puntos" cuando se encuentran dos coeficientes
no nulos. Por ejemplo, como hay un vuelo de D a B y hay un vuelo de B a A,
habr un vuelo de D a A -con una escala, pues pasamos por B.
La matriz M
2
nos dice si hay vuelos con una escala de la ciudad que est en la
fila i a la ciudad que est en la columna j.
Si calculamos M
3
, cada coeficiente nos dice si hay vuelos con dos escalas de la
ciudad que est en la fila i a la ciudad que est en la columna j.
Matriz inversa
Dada una matriz A R
nxn
, la matriz A
1
es la matriz inversa si verifica: AA
1
A
1
A I
n
.
Observemos que si B y C verifican que AB BA I
n
, y AC CA I
n
entonces B C:
B BI
n
B(AC) (BA)C I
n
C C.
Esto nos permite hablar de la matriz inversa, pues si B y C son dos matrices inversas de A,
deben ser iguales.
Ejemplo
Hallar la matriz inversa de
8 5
3 2
.
Buscamos una matriz
a b
c d
que verifique:
8 5
3 2
a b
c d

1 0
0 1
.
Entonces:
8a 5c 8b 5d
3a 2c 3b 2d

1 0
0 1
Igualando coeficiente a coeficiente, obtenemos:
8a 5c 1
8b 5d 0
3a 2c 0
3b 2d 1
.
Observemos que resolver este sistema equivale a resolver
S
1
8a 5c 1
3a 2c 0
, S
2
8b 5d 0
3b 2d 1
.
Ambos sistemas tienen la misma matriz asociada,
8 5
3 2
.
Podemos resolverlos simultneamente triangulando la matriz
8 5 .1 .0
3 2 .0 .1
:
8 5 .1 .0
3 2 .0 .1

1
5
8
.
1
8
.0
3 2 .0 .1

1
5
8
.
1
8
.0
0
1
8
.
3
8
.1

1 0 .2 . 5
0
1
8
.
3
8
. 1

1 0 . 2 . 5
0 1 . 3 . 8
.
Los sistemas S
1
y S
2
son equivalentes entonces a
S
1
a 2
c 3
S
2
b 5
d 8
,
de donde la matriz buscada
a b
c d
es igual a
2 5
3 8
.
Observemos cmo han sido nuestras cuentas
Partimos de
(A.I
n
),
luego triangulamos hasta llegar a
(I
n
.A
1
).
De ahora en ms slo haremos las cuentas, pues el planteo siempre es el mismo.
Ejercicios
1. Calcular las matrices inversas de:
a. A
2 1
1 3
.
b. B
4 2
2 1
.
2. Resolver el sistema S :
x 2y 3z 1
2y z 2
x y 2z 3
expresando la solucin en
trminos de la matriz inversa a la matriz asociada al sistema.
Soluciones
1. a. Planteamos
2 1 .1 .0
1 3 .0 .1
y triangulamos:
2 1 .1 .0
1 3 .0 .1

1 3 .0 . 1
2 1 .1 .0

1 3 .0 . 1
0 7 .1 . 2
1 3 .0 . 1
0 1 .
1
7
.
2
7

1 0 .
3
7
.
1
7
0 1 .
1
7
.
2
7
Entonces, A
1

3
7

1
7
1
7
2
7
.
b. Hacemos lo mismo que en el caso anterior: triangulamos a partir de
(B.I).
4 2
2 1
.1 0
.0 1

1
2
4
2 1
.
1
4
0
.0 1

1
2
4
0 0
.
1
4
0
.
2
4
1
.
Pero entonces, el sistema correspondiente a las incgnitas de la
primera columna es incompatible, pues la segunda ecuacin es
0a 0c
2
4
.
Esto nos dice que la matriz B no tiene inversa, pues, si intentamos
hallarla, obtenemos un sistema incompatible.
En general, si aparece una fila de ceros en la matriz que ocupa el lugar
en el cual debera quedar la matriz inversa que estamos buscando, el
sistema ser incompatible y la matriz dada no ser inversible.
2. Queremos resolver
x 2y 3z 1
2y z 2
x y 2z 3
. Lo escribimos matricialmente:
1 2 3
0 2 1
1 1 2
x
y
z

1
2
3
.
Pongamos A
1 2 3
0 2 1
1 1 2
, X
x
y
z
, B
1
2
3
. Nuestro sistema es
entonces:
AX B,
si A fuera inversible podramos multiplicar a ambos miembros por A
1
:
A
1
AX A
1
B
de donde
X A
1
B.
Nos fijamos entonces si A
1 2 3
0 2 1
1 1 2
es inversible: :
1 2 3
0 2 1
1 1 2
.
.
.
1 0 0
0 1 0
0 0 1

1 2 3
0 2 1
0 1 1
.
.
.
1 0 0
0 1 0
1 0 1

1 2 3
0 1 1
0 2 1
.
.
.
1 0 0
1 0 1
0 1 0

1 0 1
0 1 1
0 0 1
.
.
.
1 0 2
1 0 1
2 1 2

1 0 0
0 1 0
0 0 1
.
.
.
3 1 4
1 1 1
2 1 2

1 0 0
0 1 0
0 0 1
.
.
.
3 1 4
1 1 1
2 1 2
Entonces,
A
1

3 1 4
1 1 1
2 1 2
y la solucin de nuestro sistema (verificar esto) es
X
3 1 4
1 1 1
2 1 2
1
2
3

11
4
6
.
Determinantes
Observemos que cuando quisimos resolver el sistema
x 2y 3z 1
2y z 2
x y 2z 3
planteamos el clculo de la inversa de A
1 2 3
0 2 1
1 1 2
sin saber si exista o no.
Es evidente que, si el sistema dado inicialmente fuera incompatible, las cuentas para
buscar A
1
seran intiles.
En el caso que el sistema inicial fuera compatible, tenemos expresada la (nica) solucin
del sistema en trminos de A
1
.
Por ejemplo, si B
1
2
3
, la solucin del sistema es
X A
1
B.
Lo que veremos ahora es un clculo que permite saber si una matriz cuadrada es inversible
sin tener que calcular la inversa.
Determinantes para matrices de R
2x2
Si
A
a
11
a
12
a
21
a
22
se define el determinante de A:
det(A) a
11
a
22
a
12
a
21
.
Observemos que el determinante de una matriz es un nmero.
Lo notamos det(A) o |A|.
Ejemplos
Calculemos los determinantes de las matrices A y B dadas arriba:
1. Si
A
2 1
1 3
entonces
det(A) 2 3 1 (1) 7.
2. Si
B
4 2
2 1
entonces
det(B) 4 1 2 2 0.
Determinantes para matrices de R
3x3
Si
A
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
se define
det(A) a
11

a
22
a
23
a
32
a
33
a
12

a
21
a
23
a
31
a
33
a
13

a
21
a
22
a
31
a
32
.
Ejemplo
Si A
1 2 3
4 5 6
1 2 9
, entonces
det(A) 1
5 6
2 9
2
4 6
1 9
3
4 5
1 2

1 (5 9 6 2) 2 (4 9 6 (1)) 3 (4 2 5 (1)) 12.
Hemos definido el determinante de una matriz desarrollando por la primera columna. Pero
sta no es la nica manera posible de hacerlo. Se puede desarrollar por cualquier fila o
columna.
Para poder explicar cmo, daremos algunas definiciones.
Observemos que en el desarrollo del determinante de una matriz de 3x3, figura el
clculo de 3 determinantes de matrices de 2x2. Las submatrices a las cuales les
calculamos estos determinantes tienen un nombre.
La submatriz que se obtiene a partir de A eliminando la fila i y la columna j se llama
ij-menor de A, y se nota M
ij
.
Ejemplos:
1. Si A
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
entonces:
M
11

a
22
a
23
a
32
a
33
, M
12

a
21
a
23
a
31
a
33
, M
13

a
21
a
22
a
31
a
32
M
21

a
12
a
13
a
32
a
33
, M
22

a
11
a
13
a
31
a
33
, M
23

a
11
a
12
a
31
a
32
M
31

a
12
a
13
a
22
a
23
, M
32

a
11
a
13
a
21
a
23
, M
33

a
11
a
12
a
21
a
22
.
Hemos definido
det(a) det(A) a
11

a
22
a
23
a
32
a
33
a
12

a
21
a
23
a
31
a
33
a
13

a
21
a
22
a
31
a
32
,
esto es:
det(A) a
11
|M
11
| a
12
|M
12
| a
13
|M
13
|
(desarrollo por la la primera fila).
Lamaremos ij-cofactor de A al nmero:
A
ij
(1)
ij
|M
ij
|
La diferencia entre el menor y el cofactor es, eventualmente, el signo. Coinciden
en el signo si i j es par ((1)
ij
1), tienen signo opuesto si i j es impar
((1)
ij
1).
Entonces:
det(A) a
11
A
11
a
12
A
12
a
13
A
13
.
Se puede probar que tambin:
det(A) a
21
A
21
a
22
A
22
a
13
A
13
,
(desarrollo por la segunda fila), y
det(A) a
31
A
31
a
32
A
32
a
33
A
33
(desarrollo por la tercera fila).
Tambin se puede desarrollar por columnas. Por ejemplo, el desarrollo del
determinante por la primera columna es:
det(A) a
11
A
11
a
21
A
21
a
31
A
31
.
Como ejercicio, escribir el desarrollo del determinatne de A por segunda y por
tercera columna.
2. Calcular
1 2 3
4 5 6
1 2 9
desarrollando por segunda columna.
Es:
det(A) (1)
12
2
4 6
1 9
(1)
22
5
1 3
1 9
(1)
32
2
1 3
4 6

2 (36 6) 5 (9 3) 2 (6 12) 12.
Determinantes para matrices de R
nxn
As como para calcular el determinante de una matriz de 3x3 se usan determinantes de
matrices de 2x2, para calcular el determinante de una matriz de nxn se usan determinantes
de matrices de (n 1)x(n 1).
Para el clculo, se podr desarrollar por cualquier fila o cualquier columna.
Se define ij-menor de A y ij cofactor de A, igual que antes.
Es
det(A) a
i1
A
i1
a
i2
A
i2
. . . . a
in
A
in
(desarrollo por la fila i) y tambin
det(A) a
1j
A
1j
a
2j
A
2j
. . . . a
nj
A
nj
(desarrollo por la columna j).
Ejemplos
1. Calcular
0 2 1 2
2 1 2 0
0 3 0 0
1 4 1 0
desarrollando por la segunda columna y por la
tercera fila.
2. Calcular det(A) para A
1 2 3 4 5
0 2 2 3 0
0 0 3 1 8
0 0 0 4 2
0 0 0 0 5
.
3. Calcular det(A) para A
1 0 0 3 0
2 1 1 1 1
0 2 3 4 5
0 0 4 0 0
0 2 2 3 4
.
Soluciones
1. Vamos a poner para indicar el producto entre nmeros reales. Primero
desarrollamos por la segunda columna.
det(A) 2
2 2 0
0 0 0
1 1 0
1
0 1 2
0 0 0
1 1 0
3
0 1 2
2 2 0
1 1 0
4
0 1 2
2 2 0
0 0 0
24.
Ahora desarrollamos por la tercera fila:
det(A) 0
2 1 2
1 2 0
4 1 0
3
0 1 2
2 2 0
1 1 0
0
0 2 2
2 1 0
1 4 0
0
0 2 1
2 1 2
1 4 1
24.
Obviamente, conviene, para facilitar el clculo, desarrollar por la fila o la columna
que tenga ms ceros.
2. Desarrollando por la primera columna, el determinante de esta matriz es
1
2 2 3 0
0 3 1 8
0 0 4 2
0 0 0 5
0 0 0 0 1 2
3 1 8
0 4 2
0 0 5
1 2 3
4 2
0 5
1 2 3 4 5.
Entonces, det(A) 120.
Si calculamos el det(A
t
)
1 0 0 0 0
2 2 0 0 0
3 2 3 0 0
4 3 1 4 0
5 0 8 2 5
desarrollando por la primera
columna, tambin obtenemos que es igual al producto de los coeficientes que
estn en la diagonal.
En general, una matriz es triangular si tiene todos los coeficientes que estn por
debajo de la diagonal (o todos los que estn por arriba) iguales a cero. En este
caso, su determinante es el producto de los coeficientes de la diagonal.
En particular, det(I) 1.
3. Desarrollando por primera fila, obtenemos que:
det(A) 1
1 1 1 1
2 3 4 5
0 4 0 0
2 2 3 4
2
0 0 3 0
2 3 4 5
0 4 0 0
2 2 3 4
.
Tenemos entonces que calcular el determinante para dos matrices de 4x4.
a. Para calcular
1 1 1 1
2 3 4 5
0 4 0 0
2 2 3 4
, desarrollamos por tercera fila:
1 1 1 1
2 3 4 5
0 4 0 0
2 2 3 4
4
1 1 1
2 4 5
2 3 4

4 1
4 5
3 4
1
2 5
2 4
1
2 4
2 3

4 ((1) 1 (2) 2) 4.
b. Para calcular
0 0 3 0
2 3 4 5
0 4 0 0
2 2 3 4
podemos desarrollar por la primera o la
tercera fila. Desarrollemos por la primera.
0 0 3 0
2 3 4 5
0 4 0 0
2 2 3 4
3
2 3 5
0 4 0
2 2 4
3 4
2 5
2 4

por
2da
fila
12 (2) 24.
Entonces, det(A) 1 (4) 2 (24) 44.
Propiedades de los determinantes.
1. Si A, B R
nxn
entonces det(A. B) det(A) det(B).
2. A R
nxn
es inversible si y slo si det(A) 0.
3. A R
nxn
es inversible, entonces det(A
1
)
1
det(A)
.
Observemos que la propiedad 3. es inmediata a partir de las anteriores:
como
AA
1
I,
entonces
det(AA
1
) 1.
Pero entonces
det(A) det(A
1
) 1,
de donde
det(A
1
)
1
det(A)
.
Ejercicios
1. Determinar cules de las siguientes matrices son inversibles:
a. A
1 0 0
1 2 0
1 2 3
.
b. B
2 3 0 0
0 0 0 1
0 0 5 6
2 3 0 7
.
2. Si A
1 2 1
0 2 1
0 0 3
y B
1 0 3
0 1 2
1 2 0
calcular det(A. B).
3. Si A
1 0 1
2 1 1
0 3 0
y B
k 1 2
k 0 0
1 0 1
, determinar k para que
det(A. B) 5.
4. Para las mismas matrices de 3., determinar los valores de k para los cuales
AB no es inversible.
5. Encontrar todos los x R para los cuales A
x 0 3
2 0 1 x
1 1 2
es
inversible.
6. Encontrar todos los x R para los cuales la matriz A
0 2 0
x 5 3
12 7 x
no
admite inversa.
7. Sean A
1 3 2
0 6 0
2 5 2
y B
3 0 1
0 1 0
0 0 4
. Calcular det(A. B
1
).
Soluciones
1. Como no necesitamos hallar la matriz inversa sino slo saber si existe,
basta con calcular los determinantes.
a. Como A es una matriz triangular, su determinante es el producto de los
coeficientes de la diagonal:
det(A) 1 2 3 0
Concluimos que A es inversible.
b. Desarrollamos por la segunda fila:
det(B) 1
2 3 0
0 0 5
2 3 0
.
Para calcular el determinante que falta, volvemos a desarrollar por la
segunda fila:
2 3 0
0 0 5
2 3 0
5
2 3
2 3
5 (6 6) 0.
Entonces, B no es inversible.
2. Aplicando la propiedad 1: det(A. B) det(A) det(B), en lugar de hacer el
producto calculamos cada uno de los determinantes det(A) y det(B).
Como A es una matriz triangular,
det(A) 1 (2) 3 6.
Calculamos det(B) desarrollando por la fila 1:
det(B)
1 2
2 0
3
0 1
1 2
4 3 1.
Entonces, det(A. B) (6) (1) 6.
3. Otra vez usamos que det(A. B) det(A) det(B).
Para calcular det(A) desarrollamos por la primera fila:
det(A)
1 1
3 0

2 1
0 3
3 6 3.
Para calcular det(B) desarrollamos por segunda columna:
det(B)
k 0
1 1
k.
Entonces det(A. B) det(A) det(B) (3) k 5 de donde k
5
3
.
4. Para que AB no sea inversible, debe cumplirse que
det(AB) 0.
Entonces:
det(A) det(B) 0.
Luego
det(A) 0 det(B) 0.
Como det(A) 0 (lo calculamos en el ejercicio anterior), se verifica que
det(B) 0.
Pero como
det(B) k
resulta que AB no es inversible si y slo si k 0.
5. Sabemos ahora que para saber si una matriz es inversible no hace falta
tratar de calcular la inversa, sino simplemente calcular el determinante y ver si es
distinto de 0.
Calculamos entonces det(A), desarrollando por la primera fila:
det(A) x
0 1 x
1 2
3
2 0
1 1
x (1 x) 3 (2) x
2
x 6.
Buscamos entonces los x R para los cuales x
2
x 6 0.
Nos sirven todos los nmeros reales excepto las races de la cuadrtica x
2
x 6.
Repasemos entonces cmo se hallan las races de ax
2
bx c.
Si b
2
4ac 0 entonces hay races, y las notamos x
1
y x
2
.
En este caso,
x
1

b b
2
4ac
2a
y x
2

b b
2
4ac
2a
.
Para abreviar se suele escribir
x
1,2

b

b
2
4ac
2a
.
Ahora: a 1, b 1 y c 6. Entonces:
x
1,2

1

1 4(6)
2
,
de donde
x
1
3, x
2
2.
Entonces, la matriz A es inversible para todo x 3 y x 2 .
6. Buscamos los x R para los cuales det(A) 0.
Calculamos
det(A) 2
x 3
12 x
2 (x
2
36).
Entonces
2 (x
2
36) 0.
Pero como un producto es 0 slo si alguno de los factores lo es, basta poner que
x
2
36 0, y esto es lo mismo que x
2
36.
Entonces, los valores de x que hacen que A no sea inversible son x 6 y x 6.
(Observemos que no hemos aplicado la frmula de las races para resolver esta
ecuacin cuadrtica, porque en este caso es ms rpido y sencillo despejar
directamente la variable. Conviene usar la frmula slo en el caso en que todos
los coeficientes de la ecuacion -a,b y c -, sean distintos de cero.)
7. Para calcular det(A. B
1
) aplicamos las propiedades acerca del determinante
del producto y el determinante de la inversa:
det(A. B
1
) det(A) det(B
1
) det(A).
1
det(B)
.
(No estara mal calcular la inversa de B, luego hacer AB
1
y a esta ltima matriz
calcularle el determinante, pero sera ms laborioso).
Para calcular det(A) desarrollamos por la segunda fila
det(A) 6
1 2
2 2
6 (2 4) 36.
Ahora, calculamos det(B) desarrollando por la tercera fila:
det(B) 4
3 0
0 1
4 (3) 12.
Entonces, det(A. B
1
)
det(A)
det(B)

36
12
3.
Aplicacin al anlisis de sistemas de n ecuaciones lineales con n
incgnitas.
Propiedad
Sean A R
nxn
, X
x
1
. . .
x
n
y B
b
1
. . .
b
n
. Entonces, las siguientes proposiciones
1. El sistema S : AX B tiene solucin nica.
2. La matriz A es inversible.
3. det(A) 0.
son equivalentes.
Observacin
Ya habamos visto que si A es inversible entonces el sistema AX B es compatible
determinado pues
X A
1
B.
Si la matriz A no es inversible, el sistema S puede ser indeterminado o incompatible.
Para ver en qu caso estamos, habr que tener en cuenta B.
Ejercicios
1. Hallar todos los valores de k R para los cuales el sistema
S :
1 3
3 k
2
x
y

1
k
es compatible.
2. Determinar todos los valores de k R para los cuales el sistema
S :
x ky z 1
kx 2y 2
2x (1 k)y 4z 1
a. tiene solucin nica,
b. tiene infinitas soluciones,
c. es incompatible.
Soluciones
1. Primero veamos para qu valores de k el sistema es compatible
determinado.
En este caso, la matriz
A
1 3
3 k
2
debe ser inversible, o, equivalentemente, det(A) 0.
Como
det(A) k
2
9,
entonces
k
2
9 0,
de donde
k
2
9.
Entonces el sistema es compatible determinado si k 3 y k 3.
Para ver cundo es compatible indeterminado, nos fijamos qu pasa para k 3 y
k 3.
Si k 3, la matriz ampliada del sistema es:
1 3.
3 9.
1
3
,
que es equivalente a:
1 3.
0 0.
1
0
,
de donde, para k 3 el sistema es compatible indeterminado.
Si k 3, la matriz ampliada del sistema es:
1 3.
3 9.
1
3
,
que es equivalente a
1 3.
0 0.
1
6
,
de donde, para k 3, el sistema es incompatible .
Resumiendo: el sistema es compatible para todo k 3.
2. Para estudiar el sistema S, calculemos
1 k 1
k 2 0
2 1 k 4
k
k 1
1 k 4
2
1 1
2 4

k (4k 1 k) 2 (4 2) k (3k 1) 4 3k
2
k 4.
Busquemos las races de 3k
2
k 4:
k
1,2

1

1 4(3)4
2(3)

1

7
6
.
Entonces
k
1

8
6

4
3
, k
2
1.
Las races son los valores que hacen que el determinante sea 0.
Luego, el sistema ser compatible determinado para los valores que no son
races:
el sistema es compatible determinado para todo k
4
3
y k 1
Para que la respuesta est completa, debemos estudiar qu pasa si k
4
3
o si
k 1.
Si k
4
3
, la matriz ampliada del sistema es:
1
4
3
1. 1

4
3
2 0. 2
2
7
3
4. 1
.
Triangulamos:
1
4
3
1. 1
0
2
9

4
3
.
2
3
0
1
3
2. 1

1
4
3
1. 1
0 1 6. 3
0
1
3
2. 1

1 0 9. 3
0 1 6. 3
0 0 0. 0
Resulta entonces que
para k
4
3
el sistema es indeterminado
.
Para k 1 la matriz ampliada del sistema es:
1 1 1. 1
1 2 0. 2
2 0 4. 1
.
Triangulamos:
1 1 1. 1
1 2 0. 2
2 0 4. 1

1 1 1. 1
0 1 1. 3
0 2 2. 1

1 1 1. 1
0 1 1. 3
0 0 0. 7
.
Concluimos que
para k 1 el sistema es incompatible
Matriz insumo-producto
Este apartado es un resumen del captulo 8 del libro de Grossman: Aplicaciones del
lgebra lineal.
El objetivo es estudiar el modelo propuesto por el economista estadounidense Leontief,
desarrollado en 1936 y por el cual gan el premio Nobel de economa en 1973, que
estudia la relacin que hay en una economa entre lo que se produce y lo que se demanda
en cada industria.
Matriz de tecnologa y Matriz de Leontieff.
Vector produccin y Vector demanda.
Ejemplo
Supongamos para simplificar que nuestra economa tiene slo dos industrias: Minera y
Petrleo.
Para poder funcionar, cada industria necesita usar productos que ella misma produce y
tambin que produce la otra.
Supongamos que la industria minera necesita, por cada peso que produce, $0. 2 de s
misma y $0. 6 de la de petrleo; y la industria petrolera necesita, por cada peso que
produce $0. 3 de la industria minera y $0. 4 de s misma. Hasta aqu hemos mencionado
cul es la demanda interna: esto es, lo que demandan de s mismas las industrias para
poder funcionar.
Adems, habr una demanda externa: cunto se pide de afuera del sistema,por
ejemplo de usuarios, empresas privadas, otros pases, etc. Supongamos que la demanda
externa sea, en millones, de $180 para la industria minera y $90 para la petrolera.
Lo que necesitamos saber es cunto es necesario producir para satisfacer exactamente
los requerimientos de la demanda interna y los de la demanda externa.
Llamemos x a cunto debe ser (en millones de pesos) la produccin de la industria
minera para satisfacer la demanda externa y la interna,
y llamemos y a cunto debe ser (en millones de pesos) la produccin de la industria
petrolera para satisfacer la demanda externa y la interna.
Cul es la demanda interna para la minera? Si x es la produccin (en millones) de la
industria minera, $0. 2x se gasta en producirlos, y para producir y (en millones) de petrleo
se requerirn $0. 3y. La demanda interna para la minera es entonces (en millones de
pesos) 0. 2x 0. 3y. Agregando la demanda externa, se debe producir
x 180 0. 2x 0. 3y.
Igualmente vemos que
y 90 0. 6x 0. 4y.
Debemos entonces resolver el sistema
S :
x 180 0. 2x 0. 3y
y 90 0. 6x 0. 4y
.
Escribmoslo matricialmente. Para eso llamemos X
x
y
al vector produccin.
Entonces S se puede escribir:
S :
x
y

180
90

0. 2 0. 3
0. 6 0. 4
x
y
.
La matriz
C
0. 2 0. 3
0. 6 0. 4
se llama matriz de tecnologa (o de insumo-producto): es la matriz que nos permite calcular
cunto se debe producir para satisfacer la demanda interna.
El vector
D
180
90
se llama vector de demanda externa. Su significado es evidente.
Observemos que el sistema S se puede reescribir
S :
x
y

0. 2 0. 3
0. 6 0. 4
x
y

180
90
.
Equivalentemente:
S :
1 0
0 1
x
y

0. 2 0. 3
0. 6 0. 4
x
y

180
90
.
Para simplificar esta expresin, saquemos factor comn
x
y
: entonces
S :
1 0
0 1

0. 2 0. 3
0. 6 0. 4
x
y

180
90
.
La matriz I C se llama matriz de Leontief. En este caso:
I C
1 0
0 1

0. 2 0. 3
0. 6 0. 4

0. 8 0. 3
0. 6 0. 6
nuestro sistema es:
S :
0. 8 0. 3
0. 6 0. 6
x
y

180
90
.
En general, si C es la matriz de tecnologa, X el vector produccin y D el vector
demanda, podemos escribir
S : (I C)X D.
En condiciones normales (I C) resulta inversible, de donde el sistema es compatible
determinado y su solucin es
X (I C)
1
D.
Preferimos ahora resolver (I C)X D en lugar de resolver X (I C)
1
D para no tener
que buscar (I C)
1
.
Triangulamos entonces
8
10
.3
10
6
10
6
10
180
90

8 3
6 6
1800
900

6 6
8 3
900
1800

1 1
8 3
150
1800

1 1
0 5
150
3000

1 1
0 1
150
600

1 0
0 1
450
600
Por lo tanto, para satifacer esa demanda la industria minera debe producir 450 millones de
pesos y la industria petrolera debe producir 600 millones de pesos.
Ejercicio
Una economa tiene dos rubros interdependientes A y B. La matriz de tecnologa
correspondiente es
0. 2 0. 5
0. 4 0. 6
.
Sabiendo que una produccin de $2000 para el rubro A satisface una demanda externa de
$300 para el rubro B, averiguar:
1. qu demanda externa satisface para el rubro A,
2. cul fue la produccin correspondiente al rubro B.
Solucin
Tenemos como dato la matriz de tecnologa C. Para repasar, interpretemos su
significado: recordemos que la primera ecuacin corresponde a lo que se debe producir en
el primer rubro, que en este caso es el A.
La matriz C nos va a dar la informacin de cul es la demanda interna para A:
el primer coeficiente, a
11
0. 2, es lo que A requiere de A: significa que se gastan $0. 2 del
rubro A para producir un peso de A;
y el segundo coeficiente, a
12
0. 5, es lo que B requiere de A: significa que se gastan $0. 5
del rubro A para producir un peso de B.
Anlogamente, para satisfacer las demandas internas de nuestra economa, la segunda
ecuacin corresponde a lo que se debe producir en el segundo rubro, en este caso B.
el primer coeficiente, a
21
0. 4, es lo que A requiere de B: significa que se gastan $0. 4 del
rubro B para producir un peso de A;
y el segundo coeficiente, a
22
0. 6, es lo que B requiere de B: significa que se gastan $0. 6
del rubro B para producir un peso de B.
En general, sabemos que si X es el vector produccin, D el vector demanda y I C la
matriz de Leontieff, entonces
(I C)X D.
Nos dicen que:
(I C)
1 0
0 1

0. 2 0. 5
0. 4 0. 6

0. 8 0. 5
0. 4 0. 4
y
si X
x
y

2000
y
entonces D
d
1
d
2

d
1
300
.
Reemplazando obtenemos:
0. 8 0. 5
0. 4 0. 4
2000
y

d
1
300
Multiplicando:
0. 5y 1600
0. 4y 800

d
1
300
.
Esto se puede escribir como un sistema de dos ecuaciones con dos incgnitas: d
1
es la
demanda externa que se satisface para A, e y es la produccin correspondiente al rubro B.
Reescribamos la igualdad anterior como:
0. 5y 1600 d
1
0. 4y 800 300
.
De la segunda ecuacin obtenemos y 2750.
Reemplazando en la primera: 0. 5 2750 1600 d
1
, de donde d
1
225.
Entonces: la demanda externa que se satisface para el rubro A es de $225, y
la produccin correspondiene en el rubro B es de $2750.
Economa productiva
Sea C la matriz de insumo producto de una economa.
La pregunta que en general se quiere contestar es: dada una demanda externa, cunto
se debe producir para poder satisfacerla. En principio, podra existir una demada que no
pueda ser satisfecha.
Ya que suponemos que la matriz de Leontieff es inversible, dado el vector D basta tomar
X (I C)
1
D.
Una economa es productiva si todos los coeficientes de la matriz (I C)
1
son positivos.
En este caso, dado un vector demanda, siempre habr un vector X 0 que sea solucin
del sistema.
Condiciones suficientes
Para que una economa sea productiva, basta con que se cumpla una de las siguientes
condiciones:
1. Que la suma de los coeficientes de cada fila de la matriz C sea menor que
uno.
2. Que la suma de los coeficientes de cada columna de la matriz C sea menor
que uno.
Esto significa que si alguna de las dos condiciones se cumple, la economa es
productiva.
Tratemos de ver el significado econmico de estas condiciones. Para eso, veamos el
siguiente ejemplo.
Supongamos que tenemos una economa con dos industrias cuya matriz de tecnologa es
C
0. 2 0. 4
0. 3 0. 5
y que producimos un peso para cada industria. Entonces, el vector produccin es
X
1
1
.
La demanda interna requerida para esta produccin est dada por
0. 2 0. 4
0. 3 0. 5
1
1

0. 6
0. 8
.
Por lo tanto, para producir un peso para cada industria, hay una demanda interna de $0. 6
para la primera y $0. 8 para la segunda. Nos estn sobrando $0. 4 y $0. 2 respectivamente
para satisfacer demandas externas.
Queda como ejercicio ver qu significado tiene la suma de cada columna.
Observacin
La condicin suficiente no se cumple si hay tanto alguna fila como alguna columna que
verifiquen que la suma de sus coeficientes no es menor que uno. En este caso, debe
apelarse a la definicin: calcular la inversa de la matriz de Leontieff y ver si sus coeficientes
son todos mayores o iguales a 0.
Ejercicios
Decidir si son productivas las economas cuyas matrices de tecnologa son,
respectivamente:
1.
0. 2 0. 4
0. 3 0. 1
.
2.
0. 3 0. 5
0. 8 0. 1
.
3.
0. 3 0. 8
0. 5 0. 1
.
4.
0. 4 0. 4
0. 2 0. 8
.
5.
0. 5 0. 8
0. 6 0. 3
.
Soluciones
1. S, pues la suma de los coeficientes de las filas es menor que 1.
Se puede llegar a la misma conclusin trabajando con las columnas.
2. Tambin es productiva, ya que la suma de los coeficientes de las filas es
menor que 1.
No es necesario que se cumpla simultneamente la condicin sobre las
columnas.
3. Es productiva, pues la suma de los coeficientes de las columnas es menor
que 1.
4. Como no se cumple la condicin suficiente, calculamos (I C)
1
.
Planteamos:
(I C)
1 0
0 1

0. 4 0. 4
0. 2 0. 8

0. 6 0. 4
0. 2 0. 2
.
Calculamos entonces la matriz inversa de la matriz de Leontieff:
0. 6 0. 4
0. 2 0. 2
1 0
0 1

2 2
6 4
0 10
10 0

1 1
6 4
0 5
10 0

1 1
0 2
0 5
10 30

1 1
0 1
0 5
5 15

5 10
5 15
.
Como todos los coeficientes de esta matriz son positivos,
la economa es productiva .
5. La condicin suficiente no se cumple. En este caso, debemos ver si se
cumple la condicin requerida para (I C)
1
.
(I C)
1

1 0
0 1

0. 5 0. 8
0. 6 0. 3
1

5. 3846 6. 1538
4. 6154 3. 8462
.
Por lo tanto, esta economa no es productiva .
Mas ejercicios
1. Un chapista y un mecnico tienen sus talleres en la misma cuadra. Ambos
reparan vehculos y usan los servicios de su vecino para completar sus propios
trabajos. Cada peso de trabajo que realiza el chapista tiene un costo de $0, 25 de
su propio servicio y $0, 25 del taller del mecnico. En cada peso que factura el
mecnico hay $0, 10 de costo de chapista y $0, 20 de material del taller del propio
mecnico. En promedio el chapista tiene encargos de trabajos por valor de $690 y
el mecnico por valor de $460. Cunto debe producir cada uno por semana?
2. Una empresa que produce dos servicios: A y B, tiene matriz de tecnologa
0, 2 0, 4
0, 1 0, 2
.
Si la empresa produce $500 de A, cunto debe producir de B para satisfacer una
demanda externa de $300 de A?
Soluciones
1. Consideramos el chapista como la primera industria y el mecnico como la
segunda.
Recordemos que la primera fila nos va a dar la informacin de cul es la
demanda interna para la primera industria, en este caso, para el chapista.
Transcribamos del problema: "Cada peso de trabajo que realiza el chapista tiene
un costo de $0, 25 de su propio servicio y $0, 25 del taller del mecnico. En cada
peso que factura el mecnico hay $0, 10 de costo de chapista y $0, 20 de material
del taller del propio mecnico". Entonces, la demanda interna para el chapista es
de $0, 25 yde $0, 10. Luego, en la primera fila de la matriz deben ponerse los
coeficientes: 0, 25 0, 10 . Anlogamente, considerando la demanda interna para
el mecnico, la segunda fila debe ser: 0, 25 0, 20 . Entonces, la matriz de
tecnologa es:
C
0, 25 0, 10
0, 25 0, 20
.
La demanda externa es
690
460
. Como es habitual, X
x
1
x
2
es el vector
produccin. Luego, reemplazando en la ecuacin general (I C)X D , tenemos
que resolver el sistema:
0, 75 0, 10
0, 25 0, 80
x
1
x
2

690
460
.
Haciendo cuentas, obtenemos que x
1
1040 y x
2
900. Esto significa que,
por semana, el chapista debe producir $1490 y el mecnico $900 .
2. Si D
d
A
d
B
es el vector demanda y X
x
A
x
B
es el vector
produccin, entonces .X
500
x
B
y D
300
d
B
. Reemplazando en la
ecuacin general (I C)X D, obtenemos:
0, 8 0, 4
0, 1 0, 8
500
x
B

300
d
B
.
Entonces,
0, 8 500 0, 4 x
B
300
0, 1 500 0, 8 x
B
d
B
Despejando en la primera ecuacin, obtenemos x
B
250. Reemplazando este
valor en la segunda ecuacin, nos queda d
B
150. De todos modos, slo nos
preguntaban por el valor de x
B
. La respuesta es:
B debe producir $250 para satisfacer una demanda externa de $300 de A .
PRCTICA 5
Inecuaciones en R y en R
2
.
Inecuaciones en R.
Sean a, b y c son nmeros reales. Recordemos que en R hay una relacin de orden
que verifica:
1. Si a b entonces a c b c.
2. Si a b entonces
a. si c 0 entonces ac bc,
b. si c 0 entonces ac bc.
Regla de los signos
Por 2., tenemos que
si a 0 y b 0 entonces ab 0
si a 0 y b 0 entonces ab 0
si a 0 y b 0 entonces ab 0
si a 0 y b 0 entonces ab 0.
(Si los signos son iguales, el producto es positivo, si los signos son distintos, el producto es
negativo, ya que
si b es positivo, al muiltiplicar la primera desigualdad, esta se mantien, si b es negativo, se
invierte)
Observar que el resultado es positivo si ambos factores tienen el mismo signo, y negativo si
no lo tienen.
Ejercicios
Representar en la recta real los x tales que
1. x 2 2x 1.
2. x 2 2x 4.
3. 3x 5 x 1 3x 4.
4. xx 1 0.
Para poder graficar en cada caso, primero resolvemos las inecuaciones.
Soluciones
1. Si x 2 2x 1 entonces 3 x. Marcamos en la recta todos los puntos que
estn a la derecha de 3:
0
3
2. Ahora: x 2 2x 4. Entonces 2x x 4 2, esto es: x 2. Graficamos:
0
2
3. En este caso, en el que hay dos desigualdades, resolvemos primero una,
luego la otra y finalmente vemos cules son los nmeros x que cumplen ambas
condiciones.
Como 3x 5 x 1, entonces 2x 6. Multiplicamos por
1
2
ambos miembros, y
como
1
2
0, la desigualdad no se altera . (Decimos que "pasamos el 2
dividiendo".) Entonces, x 3.
Resolvemos ahora x 1 3x 4. Tenemos que 3x x 4 1, esto es: 2x 3.
Ahora "pasa diviendo" 2, y, como es negativo, cambia el sentido de la
desiguladad. Tenemos entonces que x
3
2
.
Graficamos ahora ambas desigualdades. Los puntos que son solucin sern los
que se marquen dos veces, pues cumplen las dos condiciones.
0 -3/2
3
4. Si un producto debe ser negativo, entonces, los signos de los factores
deben ser distintos. Luego:
a. x 0 y x 1 0
b. x 0 y x 1 0.
Esto es lo mismo que
1. a. x 0 y x 1
0 -1
b. x 0 y x 1.
0 -1
No hay puntos que estn simultneamente
a la izquierda de -1 y a la derecha de 0.
Este caso no aporta soluciones.
Los puntos que sirven provienen de a. y de b. Como b. no aporta
soluciones, la solucin es el intervalo 1; 0 .
Observemos que la solucin de una inecuacin es una semirrecta, y la solucin de dos
inecuaciones simultneas puede ser vaca, un intervalo o la unin de dos intervalos.
Inecuaciones en R
2
. Semiplanos.
Dibujar en el plano todos los pares x, y tales que
1. x 3.
La condicin afecta slo a la primera coordenada, la segunda puede ser
cualquiera. Grficamente:
3
Todos los puntos
de este semiplano
tienen primera
coordenada mayor
o igual que 3.
En este semiplano,
todos los puntos
tienen primera
coordenada menor
que 3.
2. x 3.
Es igual al anterior, excepto que ahora debemos excluir la recta x 3.
Grficamente, en lugar de dibujarla a trazo lleno, la punteamos:
3
x>3, y sin restricciones.
Observemos que el subconjunto del plano de los x, y que verifican x 3 es el
otro semiplano:
3
x<3, y sin restricciones.
3. y 2.
2
En este semiplano
y es menor o igual a 2
x no tiene restricciones
4. y 2x 1.
La solucin es una recta.
y=2x+1
1
-1/2
5. y 2x 1.
Sabemos que la recta y 2x 1 est contenida en la regin, debemos ver cules
puntos son los que se agregan. Para esto, nos ayudamos trazando una recta
vertical:
y=2x+1
y>2x+1
y<2x+1
Dado P=(x,y),
si y>2x+1, P no est en la regin, y
si y=2x+1 y<2x+1, P est en la regin.
6. 2x y 2.
Marquemos primero la recta 2x y 2 -con trazo lleno, pues nuestra desigualdad
no es estricta.
El plano nos queda dividido en dos semiplanos: para ver cul de los dos es el que
verifica la desigualdad, basta con probar con un punto de alguno de ellos. Si este
punto la verifica, entonces el semiplano que lo contiene es el buscado, mientras
que si no la verifica, el semiplano buscado es el otro.
1
-2
2x-y=2
Este es el semiplano:
el punto (0,0) verifica
la desigualdad :2*0-0<0
y pertenece al mismo.
(0,0)
Sistemas de inecuaciones lineales. Regin de factibilidad y puntos esquina.
As como marcamos en una recta el conjunto solucin de un sistema de inecuaciones,
marcaremos ahora en el plano el conjunto solucin de un sistema de inecuaciones de dos
variables.
Simplemente debemos ir marcando prolijamente el conjunto solucin de cada
inecuacin y luego ver cul es la regin del plano que se ha marcado siempre: los puntos
de esta zona son exactamente los que verifican todas las inecuaciones.
Ejercicios
Encontrar el conjunto de soluciones de los siguientes sistemas:
1.
2x 3y 4
2x y 4
2.
2x 3y 4
2x y 4
x 0
3.
x y 2
2x y 8
x y 7
y 0
4.
x y 0
x 1
x y 2
5.
x y 0
y 1
x y 2
Soluciones
En todos los casos, dada una inecuacin, pensaremos primero en la recta definida por
la igualdad.
1. Primero marcamos L
1
: 2x 3y 4 :
2
4/3
L
1
De los dos semiplanos determinados por L
1
, elegimos el que se corresponde con
2x 3y 4: observemos que el punto 0, 0 verifica 2 0 3 0 0 4. Elegimos
entonces el semiplano que contiene el origen. Lo marcamos sombreando de la
siguiente manera:
2
4/3
L
1
(Este es el
semiplano
elegido.)
(Rayamos slo lo suficiente para entender de qu semiplano se trata, el
sombreado completo lo hacemos recin al finalizar.)
Ahora dibujamos L
2
: 2x y 4 y marcamos el semiplano dado por 2x y 4.
4/3
L
1
L
2
La solucin es la parte del plano "sealada" las dos veces. (Se entiende el por
qu de las lneas cortas: si no fueran as, a medida que hay ms semiplanos
marcados, van quedando tantas lneas superpuestas que es muy difcil visualizar
la solucin.)
La regin buscada es:
2
4/3
L
1
-4
L
2
Esto significa
que por lo menos
una de las variables
es no acotada,
(en este caso, ambas.)
La regin solucin es
NO ACOTADA.
El punto donde se intersecan L
1
y L
2
se llama punto esquina de la regin.
Entonces, 2, 0 es punto esquina.
2. Observemos que las dos primeras desigualdades son las mismas que en el
caso anterior, pero ahora agregamos la condicin x 0.
2
4/3
L
1
-4
L
2
Ahora nuestra regin
es ACOTADA.
Cuando la regin es acotada, diremos que se trata de un polgono. En este caso,
los puntos esquina son los vrtices del polgono. En este caso, el polgono es un
tringulo y sus vrtices son los puntos 2, 0, 0, 4 y 0, 4/3.
3. Como antes, marcamos primero las rectas L
1
, L
2
, L
3
y L
4
dadas por las
igualdades. Al marcar cada una, indicamos cul es el semiplano dado por la
correspondiente desigualdad.
-2
2
4
8
7
7
1
2
3
4
L
L
L
L
La restriccin x>0 no agrega
condicin, pues los puntos
que verifican las otras tres
condiciones ya la cumplen.
Remarcamos la solucin:
8
1
2
3
4
L
L
L
L
E
E
1
2
La regin es
NO ACOTADA.
Los puntos donde se intersecan por lo menos dos de las rectas que definen la
regin estn marcados en el ltimo dibujo. Sin embargo, no todos estn en la
zona que es solucin. Aprovechamos el ejercicio para dar las siguientes
definiciones:
a. Los puntos que cumplen con todas las restricciones se llaman puntos
de factibilidad.
b. El conjunto de puntos de factibilidad se llama regin de factibilidad. En
este caso, es la regin sombreada.
c. Un punto esquina es un punto que est en la regin de factibilidad y en
por lo menos dos de las rectas que limitan la regin. En el grfico, los
hemos indicado como E
1
y E
2
. Observemos que si definimos puntos
esquina como los puntos de interseccin de por lo menos dos de las
rectas que limitan la regin, en este caso habra 6 puntos esquina; sin
embargo, slo dos de ellos son puntos de factibilidad.
4. Procediendo como antes, obtenemos:
L
L
L
1
2
3
La regin es NO ACOTADA.
Hay dos puntos esquina:
(-1,1) y (1,-1).
5. Ahora:
L
L
L
1
2
3
La regin es un polgono.
Los puntos esquina son
los vrtices del tringulo.
Aplicacin
La Compaa Andina fabrica dos modelos de camperas con tela avin (TA) y cuero (C).
Tanto TA como C vienen en piezas de ancho fijo y se dispone de 378 m de TA y 150 m de
C.
Para confeccionar una campera "Escalador" se necesitan 2 m de TA y 0.7 m de cuero.
Para confeccionar una campera "Caminante" se necesitan 4 m de TA y 1.20 de cuero.
Representar la regin de factibilidad y determinar los puntos esquina.
Solucin
Pretendemos averiguar cuntas camperas de cada tipo podemos fabricar con el stock
dado, pudiendo no usarse todo. Llamemos:
x a la cantidad de camperas "Escalador" que vamos a fabricar,
y a la cantidad de camperas "Caminante".
La restriccin de TA es 2x 4y 378, la de C es 0. 7x 1. 20y 150.
Planteamos entonces el sistema:
2x 4y 378
0. 7x 1. 20y 150
x 0, y 0
.
Las restricciones de positividad se deben a que las variables representan cantidades. En
realidad, estas variables representan nmeros enteros, pues se refieren a cantidad de
camperas. Grficamente:
189
214,29
125
La condicin del cuero
no agrega restricciones
a la que da la tela avin.
Los vrtices del tringulo
T son: (0,0), (0,94.5) y (189,0).
T
Del tringulo, nos quedamos slo con
los puntos que tienen coordenadas enteras.
94.5
Los puntos factibles son los pares de nmeros enteros que estn en el interior de T.
Programacin lineal en el plano: mximos y mnimos
Funcin lineal y curvas de nivel
Problema
Una compaa fabrica los productos A y B. El producto A se vende a $12 por unidad y el
B a $8.
Expresar el monto de entradas diarias en funcin de las ventas de cada producto. Cunto
se vende de cada uno si se obtiene una entrada de $100?
Solucin
Llamemos x a la cantidad de unidades de A vendidas diariamente, e y a la cantidad de
unidades vendidas de B.
Entonces, el monto de entradas diarias es
z 12x 8y.
En general, una funcin lineal de dos variables es una funcin
z ax by
donde a y b son nmeros reales.
Si se venden $100, entonces 100 12x 8y. En el plano, esto representa una recta.
Como x e y representan unidades de productos, sus valores posibles son 0,1,2 .
Observemos que los valores posibles de x son 0, 1, , 8 ( ya que 12 9 108 100).
Para cada valor posible de x, nos fijamos si y
10012x
8
es entero:
1. x 0 entonces y
100120
8

25
2
2. x 1 entonces y
100121
8
11
3. x 2 entonces y
100122
8

19
2
4. x 3 entonces y
100123
8
8
5. x 4 entonces y
100124
8

13
2
6. x 5 entonces y
100125
8
5
7. x 6 entonces y
100126
8

7
2
8. x 7 entonces y
100127
8
2
9. x 8 entonces y
100128
8

1
2
Grficamente:
1 2 3 4 5 6 7 8
9 10
1
2
3
4
5
6
7
8
9
10
11
13
12
Marcamos los puntos
(x,y) de coordenadas
enteras que estn en
la recta de ecuacin
12x+8y=100.
z=100
Estos son: (1,11), (3,8),
(5,5) y (7,2).
1. La recta 12x 8y 100 es una curva de nivel de la funcin lineal z. La
notaremos z
100
.
Si nos hubieran pedido los puntos x, y donde z 200 habramos dibujado la
curva de nivel z
200
.
En general, dada una funcin lineal z ax by, los puntos x, y tales que ax by c
estn en la curva de nivel c de z.
Ejercicio
Para la funcin lineal z 3x 2y dibujar las curvas de nivel z 10, z 4, z 6.
Solucin
Debemos graficar las rectas 10 3x 2y, 4 3x 2y y 6 3x 2y.
-6
4
10
z
z
z
Curvas de nivel
de la funcin lineal
z=3x-2y.
Observemos que las curvas de nivel de una funcin lineal de dos variables son rectas
paralelas.
Por ejemplo en este caso tenemos que si z 3x 2y, entonces y
3
2

z
2
: todas tienen
pendiente
3
2
.
La ordenada al origen depende justamente de cul es la curva de nivel de z que
estamos trazando..
Asignndole distintos valores a z, observemos el siguiente comportamiento de las
curvas de nivel:
-6
4
10
z
z
z
-5
-2
3
z decrece
z crece
En general, marcando dos curvas de nivel podemos deducir para qu lado z crece y
para qu lado z decrece .
Mximos y mnimos
Queremos hallar los valores mximos y mnimos de funciones lineales cuando las
variables estn restringidas por ecuaciones e inecuaciones lineales. Para hacerlo sern
tiles las curvas de nivel de la funcin.
Ejercicios
1. Encontrar el mximo de la funcin z x y cuando 0 x 1, 0 y 1.
2. Encontrar el mximo de la funcin z x y cuando x, y est restringido al
tringulo de vrtices 0, 0, 0, 1, 1, 0.
Soluciones
1. La regin es el cuadrado unidad. Lo dibujamos, y tambin las curvas de
nivel de z.
1
1
2
1
0
z
z
z
z crece
z decrece
Si trazo una curva de nivel z=c
con c>2, no va a tener ningn
punto en la zona de factibilidad.
Si trazo una curva
de nivel z=c con c<0,
no va a tener ningn
punto en la zona
de factibilidad.
Qu significa que haya una curva de nivel z 1 que pase por la regin? Que
hay por lo menos un x, y en la regin que verifica que la funcin z en ese punto
toma el valor 1.
Por el grfico, nos damos cuenta de que el punto 1, 0 est en esa curva de
nivel. Verificamos: z1, 0 1 0 1. Tambin el 0, 1 : z0, 1 0 1 1. Ms
an: cualquier x, y el segmento de extremos 1, 0 y 0, 1 verifica que x y 1.
Viendo cules son las curvas de nivel que pasan por nuestra regin,
observamos que el valor mximo que puede tomar z se alcanza en el vrtice:
1, 1, siendo ese valor mximo igual a dos: z1, 1 1 1 2.
A la funcin z a la cual le estamos calculando el valor mximo o mnimo la
llamamos funcin objetivo.
2. Nuevamente, graficamos la regin de factibilidad y las curvas de nivel de la
funcin objetivo.
1
0
z
z
Ahora el valor mximo de z es 1.
Este valor lo alcanza en los vrtices
(0,1) y (1.0), y en todos los puntos
de la arista cuyos extremos son
estos vrtices. (La curva de nivel z=1
se superpone con este lado del
tringulo):
Ejercicios
Calcular los valores mximos y mnimos que toma la funcin objetivo z sobre la regin R
en los siguientes casos:
1. z x 3y , R :
8x 16y 32
4x 8y 8
x 0 y 0
2. z x y , R :
5x 10y 20
x 4y 4
x y 2
3. z 2x y , R :
x y 3
x y 5
Soluciones
1. Primero graficamos la regin de factibilidad.
4
2
-2
1
1
2
L
L
La regin de
factibilidad es
acotada.
Tres de sus vrtices
son inmediatos de
calcular: (0,0), (4,0) y (0,1).
L
L
3
4

Este vrtice es el punto (1,3/2).
Ahora agregamos las curvas de nivel de z. Para no confundirlas con las rectas ya
dibujadas, dibujamos las curvas de nivel con un trazo cortado.
Para saber qu curvas de nivel pasan por la regin, podemos evaluar la funcin
objetivo en los vrtices:
Vrtice zx-3y
(0,0) 0
(4,0) 4
(1,3/2) -7/2
(0,1) -3
.
Como z0, 0 0, la curva de nivel z
0
pasa por 0, 0.
Anlogamente:
como z4, 0 4, la curva de nivel z
4
pasa por 4, 0,
como z1, 3/2 1/2, la curva de nivel z
5/2
pasa por 1, 3/2
y como z0, 1 3, la curva de nivel z
3
pasa por 0, 1.
Graficamos:
1
2
L
L
L
L
3
4

z
z
z
z
0
4
-3
-7/2
Las curvas de nivel z=c
con c<-3 no cortan la
regin de factibilidad.
Las curvas de nivel z=c
con c>4 no cortan la
regin de factibilidad.
z decrece
z crece
(Las curvas de nivel
estn dibujadas con
lnea punteada.)
Las curvas de nivel pueden pensarse como rectas que se va moviendo
conservando la misma direccin.
En un sentido, el valor de z aumenta, en el otro, disminuye.
Vemos en nuestro ejemplo que el valor mximo lo alcanz en el vrtice 4, 0,
siendo z4, 0 4, y que el valor mnimo lo alcanz tambin en un vrtice:
z1, 3/2 7/2.
Se puede demostrar que, en general, en el caso de una regin acotada los
valores mximos y mnimos siempre se alcanzan en un vrtice, por lo cual, en
este caso, no es necesario el trazado de las curvas de nivel: basta con hacer una
tabla como la de ms arriba y elegir el valor mximo y el valor mnimo que
aparezcan en la misma.
2. Dibujamos la regin:
1
2
3
L
L
L
La regin es acotada.
Entonces, calculamos
los vrtices y nos fijamos
cunto vale la funcin
objetivo en cada uno
de ellos.
V
V
V
1
2
3
Calculamos analticamente los vrtices:
a. V
1
: solucin de
5x 10y 20
x 4y 4
. Es V
1
4, 0
b. V
2
: solucin de
5x 10y 20
x y 2
. Es V
2
0, 2
c. V
3
: solucin de
x 4y 4
x y 2
. Es V
3
4, 2
Hacemos la tabla:
Vrtice z x y
4, 0 4 : valor mnimo
0, 2 2 : valor mximo
4, 2 2 : valor mximo
Esto
es: el valor mnimo se alcanza en el punto 4, 0, siendo este valor z 4
El valor mximo se alcanza en dos vrtices. Esto implica que se
alcanza en toda la arista de extremos V
2
y V
3
(ver el ejemplo del inicio
de la clase donde la regin es un tringulo). Escribiremos
esto:el mximo de la funcin es z 2 en V
2
V
3
.
3. Graficamos R:
1
2
L
L
La regin
no es acotada.
Debe trabajarse
con las curvas
de nivel.
P=punto esquina=(1,4)
Cul es la curva que pasa por el punto esquina? Es z1, 4 2 1 4 2.
Graficamos entonces z
2
-esto es, la recta 2 2x y. Luego vemos para qu lado
z aumenta y para qu lado z disminuye.
1
2
L
L
z
z
z
Esta curva de nivel
pasa por el punto (5,0).
Es z(5,0)=-10
-10
2
5
crece
decrece
La regin est rayada
horizontalmente con lnea
punteada,
las curvas de nivel estn
marcadas con lnea llena.
Concluimos que
el valor mnimo se toma en el punto esquina 1, 4, siendo z1, 4 2.
z no alcanza mximo pues las curvas de nivel z c cortan la regin si c 2.
Resumen
El problema de optimizar una funcin lineal (encontrar mximos y mnimos) cuando las
variables estn restringidas por un sistema de condiciones lineales se llama programa
lineal.
Las restricciones pueden ser inecuaciones o ecuaciones lineales, y determinan la regin
de factibilidad.
La funcin a ser optimizada se llama funcin objetivo.
Si la regin es un polgono, el mximo y el mnimo se alcanzan seguro en algn vrtice.
En este caso, basta entonces calcular los vrtices y evaluar z en los mismos. Si el mximo
se alcanza en dos vrtices, entonces se alcanza en la arista que estos determinan. Lo
mismo para el mnimo.
Si la regin no es acotada, hay que trabajar con las curvas de nivel de z. Puede
presentarse cualquier situacin: que no exista ni mximo ni mnimo, que exista slo uno de
ambos, o que existan los dos.
Algunos ejercicios ms
1. Determinar una funcin lineal z x y tal que el mximo de z sobre el
polgono sombreado se alcance en todo el segmento que une 2, 3 y 4, 1. Cal
es el valor mximo?
x
y
1
3
2 4
2. Sea z x y y D la regin de factibilidad determinada por
x 3y 1
x 2y 4
x 3
y 0
.
a. Graficar la regin de factibilidad y encontrar los vrtices.
b. Encontrar, si existen, un valor de y un valor de tales que el mximo
de z sobre la regin de factibilidad se alcance en el vrtice 1, 0 y el
mnimo en el vrtice 3, 0.
3. Calcular, si existen, el mximo y el mnimo de z 2x y, sujeta a
y x 1
x 0
.
4. El dueo de un lavadero compra semanalmente suavizante y jabn lquido.
Cada semana usa por lo menos 10 litros de suavizante y 16 litros de jabn. Debe
comprar por lo menos 30 litros en total y puede almacenar a lo sumo 100 litros. El
litro de suavizante cuesta $2 y el litro de jabn $1,30. Cuntos litros de cada
producto debe comprar para minimizar su gasto?
Soluciones
1. Por ser la regin un polgono, z alcanza su mximo y su mnimo en los
vrtices. En la siguiente tabla calculamos el valor que toma z en stos:
Vrtice z x y
0, 0 0
1, 0
2, 3 2 3
4, 1 4
4, 0 4
.
Para que se cumpla lo pedido, se debe verificar que z alcance el mismo valor en
los vrtices 2, 3 y 4, 1.
Entonces, 2 3 4 . Despejando, . Reescribimos la tabla anterior:
Vrtice z x y
0, 0 0
1, 0
2, 3 5
4, 1 5
4, 0 4
.
Si 0, el mximo valor que alcance z ser 5. Por ejemplo, podemos tomar
1, entonces (como ) 1 y z x y .
El mximo valor que alcanza z es 5.
2.
a. Graficamos la regin, dejando como ejercicio el clculo de los vrtices
(que aparecen en la tabla del inciso b):
x
y
1
1/2
1/3
-4
L
L
L
L
1
2
3
4
-3 -2
2
b. Nuevamente, para hacer los clculos para ver dnde z alcanza su valor
mximo y su valor mnimo, es conveniente hacer una tabla.
Vrtice z x y
3, 0 3
3, 1/2 3

2
2, 1 2
1, 0
0, 0 0
.
Nos piden hallar valores de y para que el mximo sea y el mnimo
sea 3. Entonces, se deben verificar las siguientes desigualdades:
3
3

2
2
0
,
3 3

2
3 2
3
3 0
.
Obervemos que no nos piden todos los valores posibles sino algn y
que las verifiquen. Si, por ejemplo, 1 (ya que debe ser positivo)
obtenemos las condiciones:
1 3
1
2
3
0 2
1 0
,
0
1
2
1
3 1
3 0
.
Cualquier 0 hace que se verifiquen todas las desigualdades.
Tomamos entonces 1 y 1 . Podemos verificar que los valores
hallados cumplen con lo pedido:
Vrtice z x y
3, 0 3: valor mnimo
3, 1/2 3
1
2

5
2
2, 1 2 1 1
1, 0 1: valor mximo
0, 0 0
.
3. Graficamos la regin y las curvas de nivel:
x
y
x=0
y=x+1 (es el eje y)
z
z
z
2
0
-2
z
z
c
c
(c cada vez
ms grande,
seguir cortando
la regin)
z=-2x+y
(c cada vez ms chico, seguir
cortando la regin -prolongar
dibujo).
Por lo visto en el grfico, z no alcanza ni mximo ni mnimo.
Observemos que hay una manera alternativa de probar esto, y es caminando
por los bordes.
si restringimos z a la recta y x 1, (esto es, calculamos zx, x 1), obtenemos
z 2x x 1 x 1. Como la variable x toma valores positivos tan grandes
como querramos (no est acotada), z x 1 toma valores tan chicos como
querramos: no alcanza mnimo.
Si ahora nos restringimos al eje y (ponemos entonces x 0), z y. Como y
toma valores positivos tan grandes como querramos, z tampoco alcanza mximo.
4. Llamemos x a la cantidad de litros de suavizante que va a comprar, e y a la
cantidad de litros de jabn lquido.
La primera condicin que deben cumplir es x 0 e y 0.
Como cada semana usa por lo menos 10 litros de suavizante y 16 litros de jabn,
se debe cumplir que x 10 e y 16.
Como debe comprar por lo menos 30 litros en total, x y 30.
Como puede almacenar a lo sumo 100 litros, x y 100.
La funcin costo es z 2x 1, 30y.
El problema a resolver es entonces:
minimizar z 2x 1, 30y, sujeta a
x 10
y 16
x y 30
x y 100
x 0, y 0
.
Resolvemos usando el mtodo grfico:
y
x 10 30 100
16
30
100
(14,16)
(10,20)
(10,90)
(84,16)
Vrtice z=2x+1,30y
(14,16)
(84,16)
(10,90)
(10,20)
48.8
188,8
137
46
costo mnimo
Entonces, debe comprar 10 litros de suavizante y 20 de jabn lquido para
cumplir con todos los requisitos, gastando lo mnimo.
El costo ser de $46.
PRCTICA 6
Problema standard de maximizacin. Mtodo Simplex.
Ejemplo
En la prctica anterior hemos aprendido a resolver problemas del tipo:
Hallar el MXIMO de z 3x
1
2x
2
sujeto a R
3x
1
4x
2
8
2x
1
x
2
4
x
1
0 , x
2
0

En este caso, la regin R es un polgono, y sabemos que el mximo se alcanza en uno de


sus vrtices:
x
y
2 8/3 4
2
Vrtices z(x,y)
(8/5,4/5) (8/5,4/5)
(0,0)
(2,0)
(0,2)
32/5
0
6
4
El mximo se alcanza en (8/5,4/5)
siendo z(8/5,4/5)=32/5.
Qu pasara si el problema, en lugar de tener 2 variables, tuviera ms? No slo no lo
podramos dibujar, sino que la cantidad de vrtices puede ser un nmero muy grande, y
evaluar en todos para ver en dnde se alcanzara el mximo valor sera extremadamente
costoso.
El mtodo dado a continuacin, conocido como MTODO SIMPLEX, desarrollado por
Dantzig (1947), es sumamente ingenioso.
El mismo recorre los vrtices de manera que la funcin objetivo vaya incrementndose
hasta que, no pudiendo aumentar ms, se detiene habiendo encontrado el mximo valor.
Para hacerlo, basta con triangular cierta matriz siguiendo unos pasos muy sencillos.
Se tard aproximadamente 40 aos en aceptar por qu el mtodo funciona tan bien como
lo hace. Recin en 1984 otro matemtico propuso un mtodo alternativo, pero el mtodo de
Dantzig sigue funcionanado mejor en casos que tengan hasta 20000 variables!
El desarrollo del tema se basa en el captulo "Programacin Lineal" del libro
Aplicaciones de lgebra lineal, de Grossman.
Mtodo simplex
Problema del mximo
Definicin El siguiente problema se llama problema estndar de maximizacin:
dada una funcin
z c
1
x
1
. . . c
n
x
n
que llamaremos funcin objetivo,
A R
mxn
, B
b
1
b
2

b
m
R
m
tal que b
i
0 para todo i 1, . . . , m , y un sistema de
restricciones
R
AX B
x
1
0, . . . , x
n
0
se quiere hallar un vector X R
n
que maximice z y satisfaga R.
La desigualdad AX B se interpreta coeficiente a coeficiente . Observar que entonces
podemos describir las restricciones como
R
AX B
X 0
.
Usaremos indistintamente la notacin matricial o de sistemas de ecuaciones.
Mtodo
Primero transformaremos las desigualdades en igualdades, introduciendo nuevas
variables "de holgura": las nuevas variables indican cunto le falta a cada desigualdad para
convertirse en igualdad. Se irn recorriendo los vrtices de la regin de factibilidad e
incrementando el valor de la funcin en cada paso, hasta encontrar el mximo. El mtodo
permite realizar estos pasos de una manera sistemtica y sencilla.
1. Se transforma el sistema con en uno con , introduciendo una variable de
holgura para cada ecuacin. Considerando el ejemplo anterior, pongamos
s
1
8 3x
1
4x
2
, s
2
4 2x
1
x
2
entonces s
1
0, s
2
0. Ahora reescribimos el
sistema utilizando igualdades en lugar de desigualdades, obteniendo el sistema
de 4 incgnitas R


3x
1
4x
2
s
1
8
2x
1
x
2
s
2
4
x
i
0 , s
j
0
.
Planteamos z 3x
1
2x
2
0s
1
0s
2
y observemos que una solucin de R

es
tomar x
1
x
2
0, s
1
8, s
2
4, siendo z0, 0, 8, 4 0. Si no tomamos en cuenta
las nuevas variables y consideramos slo x
1
x
2
0, obtenemos un vrtice de R,
y tambin es z0, 0 0.
Las s
i
son inicialmente las variables bsicas y las x
i
son las variables no
bsicas.
2. TABLA SIMPLEX INICIAL:
Ahora escribimos el sistema R

en forma de tabla, poniendo en la primera fila el


nombre de las variables, en la ltima la nueva funcin z y en la ltima columna las
variables bsicas. La primera fila se puede no poner, ya que es siempre igual, y
la ltima columna es optativa -pues se reconstruye fcilmente. En el caso de
nuestro ejemplo obtenemos:
x
1
x
2
s
1
s
2
3 4 1 0 8 s
1
2 1 0 1 4 s
2
3 2 0 0 z
Los coeficientes de la ltima fila se llaman indicadores: c
1
, . . . , c
nm
. Debemos
interpretar que los valores de las variables bsicas s
1
8, s
2
4, los de las no
bsicas x
1
x
2
0 y que el valor de la funcin es 0: z 0.
3. Nos fijamos si hay algn indicador positivo. En caso afirmativo, el valor de z
se puede ir incrementando, pues como z 3x
1
2x
2
, si tomamos algn x
i
0
obtenemos z 0. Luego elegimos un indicador positivo, por ejemplo el mayor. En
este caso, c
1
3. Llamamos j al ndice del indicador elegido. En este caso j 1.
4. En la columna j se consideran todos los coeficientes de la misma que son
positivos -esto es, los a
ij
0- y se calculan los cocientes
b
i
a
ij
, eligiendo el a
ij
que
lo minimiza. En nuestro ejemplo, comparamos
8
3
,
4
2
, y vemos que el menor se
obtiene para
b
3
a
31

4
2
. Entonces, el pivote elegido es a
21
.
5. Se triangula la matriz del simplex tomando como pivote el coeficiente
elegido, en este caso a
21
.
a. Se divide la fila i -en nuestro caso, la fila 3- por a
21
:
x
1
x
2
s
1
s
2
3 4 1 0 8 s
1
1
1
2
0
1
2
2 x
1
3 2 0 0 z
.
b. Pivoteamos:
x
1
x
2
s
1
s
2
0
5
2
1
3
2
2 s
1
1
1
2
0
1
2
2 x
1
0
1
2
0
3
2
z 6
.
La variable bsica s
2
se reemplaza por x
1
, por lo cual ahora las
variables bsicas son s
1
2, x
1
2 y las no bsicas s
2
x
2
0.
Claramente, estos valores verifican todas las ecuaciones de R y
adems "hacen aumentar" a z, ya que z2, 0, 2, 0 6.
Si slo consideramos z en las variables originales, tambin es
z2, 0 6.
6. Nos fijamos si quedan indicadores positivos. Como c
2

1
2
0, la respuesta
es s. Entonces, se debe repetir el procedimiento anterior.
a. Comparamos
2
5
2

4
5
,
2
1
2
4. Como
4
5
es el menor, el pivote es
a
12

5
2
.
b. Dividimos la primera fila por a
12
, obteniendo:
x
1
x
2
s
1
s
2
0 1
2
5

3
5
4
5
x
2
1
1
2
0
1
2
2 x
1
0
1
2
0
3
2
z 6

x
1
x
2
s
1
s
2
0 1
2
5

3
5
4
5
x
2
1 0
1
5
4
5
8
5
x
1
0 0
1
5

6
5
z
32
5
Las variables bsicas son ahora x
2

4
5
, x
1

8
5
, y la solucin factible
asociada es
z
8
5
,
4
5

32
5
Observemos que el hecho de comparar los cocientes
b
i
a
ij
garantiza que
todos los b
i
se mantengan positivos. En el caso de habernos
equivocado en la eleccin, alguno de los trminos independientes (los
b
i
) se har negativo al triangular, con lo que nos damos cuenta del error
y rehacemos.
Esta condicin garantiza que el vector hallado pertenezca a la regin R:
la solucin siempre tiene todas sus variables no bsicas iguales a 0, y
las bsicas son iguales a los coeficientes independientes, que son
positivos. (Observar que si se verifica el sistema R

, como las variables


de holgura son positivas, tambin se verifica R.)
7. Nos fijamos si queda algn indicador positivo. No! Eso nos dice que el
diagrama anterior es un diagrama terminal, y que la solucin asociada al mismo
nos da la solucin del problema del mximo. El hecho de que no queden
indicadores positivos significa que no se puede incrementar el valor de z.
Vemoslo en este caso.
De la ltima fila de la tabla inferimos que:
z
32
5
0x
1
0x
2

1
5
s
1

6
5
s
2
.
Para incrementar el valor de z, las variables que no estn multiplicadas por 0
deberan ser negativas, lo que no puede suceder en nuestra regin.
La solucin asociada a la tabla final es x
2

4
5
, x
1

8
5
y s
1
s
2
0, siendo
z
32
5
.
Observemos que alterar los valores de las variables bsicas no cambiara el valor
de z, ya que sus coeficientes son 0, y cambiar el de las no bsicas disminuira el
valor de la funcin (recordar que son mayores o iguales a cero). Por lo tanto, se
ha alcanzado el mximo.
Ejemplos
1. MAXIMIZAR z x
1
2x
2
sujeta a R
x
1
4x
2
1
3x
1
2x
2
6
x
1
0 , x
2
0
.
Observemos que nuestra restriccin es la regin del plano:
x
y
R
1
3
z crece
Solucin:
Construimos primero
R


x
1
4x
2
s
1
1
3x
1
2x
2
s
2
6
x
1
0 , x
2
0
s
1
0 , s
2
0
.
(Este paso se puede saltear si no nos equivocamos al construir la tabla inicial.)
La tabla inicial es
x
1
x
2
s
1
s
2
1 4 1 0 1 s
1
3 2 0 1 6 s
2
1 2 0 0 z
.
Aplicando el mtodo -elegiendo como indicador a c
1
- llegamos a la siguiente tabla
x
1
x
2
s
1
s
2
1 4 1 0 1 x
1
0 10 3 1 9 s
2
0 6 1 0 z 1
.
No es tabla final dado que queda un indicador positivo: c
2
6 0. Pero no se
puede seguir aplicando el mtodo pues no hay coeficientes positivos en la
columna de este pivote. La solucin factible asociada a esta tabla es z1, 0 1.
Observemos que z 1 6x
2
s
1
, luego, si hacemos s
1
0 entonces z 1 6x
2
,
y crece indefinidamente pues x
2
no est acotada en la regin.
(Ver en el grfico que si nos movemos por la arista correspondiente al punto
esquina 1, 0, aumentamos el valor de z indefinidamente.)
La respuesta es, entonces, que
z no alcanza un mximo valor en la regin indicada.
2. MAXIMIZAR z 3x
1
2x
2
2x
3
sujeto a R
x
1
x
2
x
3
15
2x
1
x
2
2x
3
26
5x
1
2x
2
3x
3
43
x
1
0 , x
2
0 , x
3
0
.
Solucin:
La tabla inicial es
x
1
x
2
x
3
s
1
s
2
s
3
1 1 1 1 0 0 15 s
1
2 1 2 0 1 0 26 s
2
5 2 3 0 0 1 43 s
3
3 2 2 0 0 0 z
.
Las variables bsicas son s
1
, s
2
, s
3
y las variables no bsicas x
1
, x
2
, x
3
, y z 0.
Elegimos el indicador c
1
3. Comparamos los cocientes:
15
1
,
26
2
,
43
5
, siendo el
menor este ltimo. Luego, elegimos como pivote a
31
5. Dividimos por 5 la fila 3,
obteniendo:
x
1
x
2
x
3
s
1
s
2
s
3
1 1 1 1 0 0 15 s
1
2 1 2 0 1 0 26 s
2
1
2
5
3
5
0 0
1
5
43
5
x
1
3 2 2 0 0 0 z

x
1
x
2
x
3
s
1
s
2
s
3
0
3
5
2
5
1 0
1
5
32
5
s
1
0
1
5
4
5
0 1
2
5
44
5
s
2
1
2
5
3
5
0 0
1
5
43
5
x
1
0
16
5
1
5
0 0
3
5
z
129
5
.
Las variables bsicas son s
1

32
5
, s
2

44
5
, x
1

43
5
, las no bsicas s
3
x
2

x
3
0 y z
129
5
.
(Para chequear que no nos equivocamos en las cuentas, podemos verificar estos
valores en la expresin original del sistema, y en z: z
43
5
, 0, 0
129
5
.)
No es tabla final pues queda un indicador positivo c
3

1
5
. Entonces, debemos
seguir triangulando. Para elegir el pivote, comparamos los cocientes:
32
5
2
5
16,
44
5
4
5
11,
43
5
3
5

43
3
14
1
3
. Como el menor es 11, el elegido es a
23

4
5
.
Seguimos triangulando:
x
1
x
2
x
3
s
1
s
2
s
3
0
3
5
2
5
1 0
1
5
32
5
s
1
0
1
4
1 0
5
4

1
2
11 x
3
1
2
5
3
5
0 0
1
5
43
5
x
1
0
16
5
1
5
0 0
3
5
z
129
5

x
1
x
2
x
3
s
1
s
2
s
3
0
1
2
0 1
1
2
0 2 s
1
0
1
4
1 0
5
4

1
2
11 x
3
1
1
4
0 0
3
4
1
2
2 x
1
0
13
4
0 0
1
4

1
2
z 28
.
Ahora, las variables bsicas s
1
2, x
3
11, x
1
2, las no bsicas s
3
s
2
x
2
0
y z 28
Como no queda ningn indicador positivo, esta tabla es final y el valor obtenido
de z es el mximo.
Luego, z alcanza su mximo valor en 2, 0, 11, siendo z 2, 0, 11 28.
3. Hallar el mximo de f x y z sujeta a
x z 5
x y 12
y z 8
x 2, y 3, z 0
.
Solucin:
Este no es un problema estndar de mximizacin, ya que tenemos las
condiciones x 2 e y 3 en lugar de x 0, y 0.
Como es frecuente al resolver problemas, tratamos de llevar un problema
nuevo que no sabemos resolver, a otro que s sabemos. Para esto, observamos
que si x 2, y 3 entonces x 2 0, y 3 0.
Esto induce a hacer el cambio de variables x
1
x 2, y
1
y 3. Para unificar la
notacin, ponemos z
1
z. Debemos reescribir el sistema en funcin de las
nuevas variables. Despejamos entonces: x
1
2 x, y
1
3 y y sustituimos en el
sistema original, obteniendo:
x
1
2 z
1
5
x
1
2 y
1
3 12
y
1
3 z
1
8
x
1
0, y
1
3, z
1
0
el cual reescribimos:
x
1
z
1
3
x
1
y
1
7
y
1
z
1
5
x
1
0, y
1
0, z
1
0
La funcin a maximizar es f x y z x
1
2 y
1
3 z
1
x
1

y
1
z
1
1. Entonces: f 1 x
1
y
1
z
1
. Armamos ahora la tabla inicial en
funcin de las nuevas variables y pivoteamos:
x
1
y
1
z
1
s
1
s
2
s
3
1 0 1 1 0 0 3 s
1
1 1 0 0 1 0 7 s
2
0 1 1 0 0 1 5 s
3
1 1 1 0 0 0 f 1

x
1
y
1
z
1
s
1
s
2
s
3
1 0 1 1 0 0 3 s
1
1 0 1 0 1 1 2 s
2
0 1 1 0 0 1 5 y
1
1 0 0 0 0 1 f 6
obteniendo ya la tabla final. El mximo se alcanza en x
1
0, y
1
5, z
1
0 siendo
f 6.
Volviendo a las variables originales, x 2 0, y 3 5, z 0. Esto es, x 2,
y 8, z 0. Observemos que efectivamente, como f x y z, resulta que el
mximo de f es 2 8 0 6. Entonces,
f alcanza su mximo valor para x 2, y 8, z 0, siendo f 6 el valor mximo.
4. Hallar el mximo de f 3x 3y en la regin R :
x y 6
y 4
x 0, y 0
Solucin:
Como ste es un problema de dos variables, podemos resolverlo por el mtodo
grfico. La regin es acotada:
y
x
6
6
4
vertices 3x+3y
(0,0)
(6,0)
(2,4)
(0,4)
0
18
18
12
El valor mximo se alcanza en
esta arista
Veamos ahora cmo nos damos cuenta, aplicando el mtodo smplex, que la
solucin se alcanza en una arista. La tabla inicial y el pivoteo es muy sencillo:
x y s
1
s
2
1 1 1 0 6 s
1
0 1 0 1 4 s
2
3 3 0 0 f

x y s
1
s
2
1 1 1 0 6 x
0 1 0 1 4 s
2
0 0 3 0 f 18
De ac obtenemos que
f alcanza su mximo valor para x 6 e y 0, siendo f 18 el valor mximo.
Las variables bsicas son x y s
2
. Observemos que, a pesar de que la tabla es
final y ya hallamos el mximo, podramos seguir pivotenando, y convertir la
variable y en bsica; esto ser posible ya que hay un 0 como indicador de la
varible y.
Ms fcil que decirlo es hacerlo:
x y s
1
s
2
1 1 1 0 6 x
0 1 0 1 4 s
2
0 0 3 0 f 18

x y s
1
s
2
1 0 1 1 2 x
0 1 0 1 4 y
0 0 3 0 f 18
Esto nos dice que f tambin alcanza su mximo para x 2 e y 4.
(Como ejercicio, repita este procedimiento pero eligiendo en la tabla inicial el
pivote a
22
).
5. Hallar el mximo de z x 2y en la regin R :
2x y 1
z 2
2x y z 3
x 0, y 0, z 0
Solucin:
Planteamos la tabla inicial y pivoteamos:
x
1
x
2
x
3
s
1
s
2
s
3
2 1 0 1 0 0 1 s
1
0 0 1 0 1 0 2 s
2
2 1 1 0 0 1 3 s
3
1 2 0 0 0 0 z

x
1
x
2
x
3
s
1
s
2
s
3
2 1 0 1 0 0 1 x
2
0 0 1 0 1 0 2 s
2
0 0 1 1 0 1 4 s
3
5 0 0 2 0 0 z 2
Observemos que, a pesar de no ser tabla final, no podemos elegir pivote en la
columna donde hay un indicador positivo, ya que en esa columna no hay
coeficientes positivos. Esto nos dice que
la regin no es acotada y z no alcanza mximo en la misma.
6. Un taller hace remeras de tres tamaos: P, M y G.
Por cada remera G debe hacer al menos 3 remeras P.
La cantidad de remeras P debe ser al menos la cantidad de M y G juntas.
Si el taller puede fabricar a lo sumo 600 remeras y la ganancia es $2 por cada P,
$3 por cada M y $4 por cada G, hallar cuntas remeras de cada tamao debe
fabricar para maximizar la ganancia.
Solucin:
Llamamos x a la cantidad de remeras de tamao P, y a las de tamao M y z a las
de tamao G.
Claramente deben ser x 0, y 0, z 0 -adems de ser nmeros naturales.
Tambin se debe verificar: x 3z, x y z, y x y z 600 -entre todas son a lo
sumo 600.
La funcin ganancia es G 2x 3y 4z. Luego, el problema es:
MAXIMIZAR
G 2x 3y 4z
sujeta a
R
x 3z 0
x y z 0
x y z 600
x 0, y 0, z 0
.
La tabla inicial es:
x y z s
1
s
2
s
3
1 0 3 1 0 0 0 s
1
1 1 1 0 1 0 0 s
2
1 1 1 0 0 1 600 s
3
2 3 4 0 0 0 G
.
Pivoteamos:
x y z s
1
s
2
s
3
2 3 0 1 3 0 0 s
1
1 1 1 0 1 0 0 z
2 0 0 0 1 1 600 s
3
6 1 0 0 4 0 f

x y z s
1
s
2
s
3
1
3
2
0
1
2

3
2
0 0 s
1
1 1 1 0 1 0 0 z
2 0 0 0 1 1 600 s
3
6 1 0 0 4 0 f
x y z s
1
s
2
s
3
1
3
2
0
1
2

3
2
0 0 x
0
1
2
1
1
2

1
2
0 0 z
0 3 0 1 2 1 600 s
3
0 8 0 3 5 0 G

x y z s
1
s
2
s
3
1
3
2
0
1
2

3
2
0 0 x
0
1
2
1
1
2

1
2
0 0 z
0 1 0
1
3
2
3
1
3
200 s
3
0 8 0 3 5 0 G

x y z s
1
s
2
s
3
1
3
2
0
1
2

3
2
0 0 x
0
1
2
1
1
2

1
2
0 0 z
0 1 0
1
3
2
3
1
3
200 s
3
0 8 0 3 5 0 G

x y z s
1
s
2
s
3
1 0 0 0
1
2

1
2
300 x
0 0 1
1
3

1
6
1
6
100 z
0 1 0
1
3
2
3
1
3
200 y
0 0 0
1
3

1
3

8
3
G 1600
,
donde obtenemos que la ganancia mxima posible es de $1600 , y
se consigue fabricando 300 remeras de tamao P, 200 de M y 100 de G.
Ejemplo de un problema de mnimo
Queremos ahora MINIMIZAR z 2x 3y 4z (observar que z-G del ejemplo anterior)
sujeto a las mismas condiciones que el ejemplo anterior:
R
x 3z 0
x y z 0
x y z 600
x 0, y 0, z 0
.
Buscar el mnimo de z es buscar a, b, c R tal que para todo x, y, z R se verifique:
m za, b, c zx, y, z.
Pero esto equivale a buscar a, b, c R tal que para todo x, y, z R se verifique:
m za, b, c zx, y, z.
Si consideramos la funcin z 2x 3y 4z , el problema de hallar el mnimo de z en R
equivale a hallar el mximo de z en R, siendo
maxz M m minz.
Luego,
z alcanza su valor mnimo en 300, 200, 100, siendo este valor: 1600.
Verificamos: z300, 200, 100 2 300 3 200 4 100 1600.
Este procedimiento lo podemos aplicar en general:
MTODO:
El problema:
calcular el MNIMO de una funcin z en una regin R del tipo
AX B
X 0
(B 0)
se puede resolver siguiendo los siguientes pasos:
1. Hallar el mximo M de z , obteniendo za, b, c M.
z
. . .
z M
De aqu,
maxz M
2. Deducimos que el mnimo de z es m M, siendo za, b, c M m. Esto
es,
minz M.
Ejemplos
1. Si
z : 0, 6
z : 0, 6
dadas por
z
1
2
x
z
1
2
x
, entonces el mnimo de z es 3
y el mximo de z es 3.
x
y
6
z
-z
3
-3
2. MINIMIZAR z x
1
x
2
2x
3
sujeta a R :
2x
1
3x
2
x
3
10
5x
1
5x
2
4x
3
32
x
1
0, x
2
0, x
3
0
Solucin:
Para resolver, buscamos el mximo de z x
1
x
2
2x
3
sujeta a R .
La tabla inicial es
x
1
x
2
x
3
s
1
s
2
2 3 1 1 0 10 s
1
5 5 4 0 1 32 s
2
1 1 2 0 0 z
.
El nico pivote posible es a
23
4. Pivoteamos:
x
1
x
2
x
3
s
1
s
2
2 3 1 1 0 10 s
1
5
4
5
4
1 0
1
4
8 s
2
1 1 2 0 0 z
.
x
1
x
2
x
3
s
1
s
2
3
4
17
4
0 1
1
4
2 s
1
5
4
5
4
1 0
1
4
8 x
3
7
2
7
2
0 0
1
2
z 16
Tenemos suerte, la tabla es final pues no quedan indicadores positivos. La
solucin asociada al problema del mximo es: z0, 0, 8 16.
Entonces, la solucin del problema original de mnimo es: z0, 0, 8 16.
3. Convertir el siguiente programa en un programa de maximizacin y resolver:
MINIMIZAR z 2x y sujeta a
x y 4
x y 1
x 0, y 0
.
Solucin
Planteamos el problema de MAXIMIZAR z 2x y sujeta a
x y 4
x y 1
x 0, y 0
y lo resolvemos, .(no debemos olvidar que, aunque el problema planteado sea de
minimizar, para aplicar el mtodo simplex primero debemos convertirlo en un problema
apropidado de maximizacin, y por ltimo, debemos buscar la respuesta del problema
original).
Como es de dos variables, podemos elegir hacerlo grficamente o por mtodo simplex.
Eligimos la segunda opcin, planteamos la tabla inicial y pivoteamos.
x
1
x
2
s
1
s
2
1 1 1 0 4 s
1
1 1 0 1 1 s
2
2 1 0 0 z

x
1
x
2
s
1
s
2
0 2 1 0 3 s
1
1 1 0 1 1 x
1
0 1 0 2 z 2

x
1
x
2
s
1
s
2
0 1
1
2
0
3
2
s
1
1 1 0 1 1 x
1
0 1 0 2 z 2

x
1
x
2
s
1
s
2
0 1
1
2
0
3
2
x
2
1 0
1
2
1
5
2
x
1
0 0
1
2
2 z
7
2
Entonces: z alcanza su mximo en x
1

5
2
y x
2

3
2
, siendo z
5
2
.
La respuesta a nuestro problema es:
z alcanza su mnimo en x
1

5
2
y x
2

3
2
, siendo z
5
2
.
-z=7/2
-z=0
En este vrtice, -z alcanza su mximo
y z alcanza su mnimo.
Problema dual.
Ejercicio
1. Un comerciante fabrica colchas Sper y Estndar, con cuero y gamuza.
Cada colcha Sper lleva 4 rollos de cuero y 3 de gamuza, y cada colcha Estndar
lleva 2 rollos de cuero y 1 de gamuza.
El comerciante tiene un stock de 16 rollos de cuero y 9 de gamuza, y piensa
vender cada colcha Sper a $42 y cada colcha Estndar a $18.
Cuntas colchas de cada tipo debe fabricar para maximizar los ingresos?
2. El mismo comerciante se cans de fabricar colchas y le quiere vender todos
los rollos de cuero y gamuza a un comprador. Pretende hacer su venta de
manera que con el material que hubiera usado en cada colcha obtenga al menos
lo mismo que si las hubiera fabricado.
Se quiere saber cul es el precio que debe fijar por rollo para que el comprador
pague lo menos posible y que l pueda satisfacer sus pretenciones.
Solucin
1. Llamemos x
1
a la cantidad de colchas Sper que debe fabricar, y x
2
a la
cantidad de colchas Estndar. Las restricciones de stock son: para el cuero,
4x
1
2x
2
16, y para la gamuza, 3x
1
x
2
9.
La funcin ganancia es f 42x
1
18 x
2
. El problema entonces es:
MAXIMIZAR f 42x
1
18x
2
sujeta a
4x
1
2x
2
16
3x
1
x
2
9
x
1
0
x
2
0
.
(restriccin de stock por el cuero)
(restriccin de stock por la gamuza)
La tabla inicial es:
x
1
x
2
s
1
s
2
4 2 1 0 16 s
1
3 1 0 1 9 s
2
42 18 0 0 f
.
Elegimos como pivote a
21
3 y pivoteamos:
x
1
x
2
s
1
s
2
4 2 1 0 16 s
1
1
1
3
0
1
3
3 s
2
42 18 0 0 f

x
1
x
2
s
1
s
2
0
2
3
1
4
3
4 s
1
1
1
3
0
1
3
3 x
1
0 4 0 14 f 126
.
Como queda un indicador positivo, debemos seguir pivoteando. Ahora el pivote
es a
12

2
3
:
x
1
x
2
s
1
s
2
0 1
3
2
2 6 x
2
1
1
3
0
1
3
3 x
1
0 4 0 14 f 126

x
1
x
2
s
1
s
2
0 1
3
2
2 6 x
2
1 0
1
2
1 1 x
1
0 0 6 6 f 150
Entonces, para maximizar la funcin ganancia debe fabricar 1 colcha Sper y 6 Estndar.
La ganancia mxima ser de $150.
2. Las incgnitas ahora son a cunto debe vender cada rollo de cuero y a
cunto cada rollo de gamuza.
Sean y
1
e y
2
los precios de cada tipo de rollo.
La funcin a minimizar es cunto va a gastar el comprador: g 16y
1
9y
2
.
Veamos las restricciones. El ex fabricante de colchas usaba 4 rollos de cuero y 3
de gamuza para fabricar una colcha Sper, por la cual obtena $42. Entonces
ahora tenemos la restriccin: 4y
1
3y
2
42. Para las Estndar usaba 2 y 1 y
obtena $18. Entonces, debemos agregar la restriccin: 2y
1
y
2
18.
El problema ahora es:
MINIMIZAR g 16y
1
9y
2
sujeta a
4y
1
3y
2
42
2y
1
y
2
18
y
1
0
y
2
0
(pretencin por lo que ganaba con las "Super
(pretencin por lo que ganaba con las "Estndar
Dejamos como ejercicio verificar -por mtodo grfico- que el mnimo se alcanza
en y
1
6, y
2
6, siendo g6, 6 150.
Observemos que el
maxf ming.
Este hecho no es casual, ya que ambos problemas estn estrechamente
relacionados. Veremos cmo es el esquema general que los incluye.
Problemas duales
Escribamos matricialmente los problemas anteriores. (Las desigualdades entre vectores
se interpretan coeficiente a coeficiente.)
El problema 1 es:
MAXIMIZAR f 42, 18
x
1
x
2
sujeta a
4 2
3 1
x
1
x
2

16
9
x
1
x
2

0
0
.
El problema 2 es:
MINIMIZAR g 16, 9
y
1
y
2
sujeta a
4 3
2 1
y
1
y
2

42
18
y
1
y
2

0
0
.
Estos problemas son problemas duales: observemos primero cmo se puede construir uno
a partir del otro.
Los tipos de colchas y los materiales con que estn construidas han invertido roles.
En el primero, las restricciones son de stock (materiales), y las variables representan
colchas.
En el segundo, las restricciones hacen referencia a los precios de las colchas, y las
variables representan los precios de los materiales.
El teorema que viene a continuacin muestra cmo son en general los problemas duales.
Ms an, muestra la relacin entre las soluciones de ambos.
Teorema de Dualidad
Si A R
mxn
, X x
1
, . . . , x
n
, Y y
1
, . . . , y
m
, b b
1
, . . . , b
m
, c c
1
, . . . , c
n
los
problemas
MAXIMIZAR f cX
t
sujeto a R
AX
t
b
t
X 0
MINIMIZAR g bY
t
sujeto a R


A
t
Y
t
c
t
Y 0
se llaman problemas duales y se verifica que
X
0
es solucin ptima de f si y slo si Y
0
es solucin ptima de g
siendo:
fX
0
gY
0

Notar que las regiones de factibilidad de ambos problemas no coinciden.


En general, suele llamarse R a la regin del problema original -que puede ser tanto el de
mximo como el de mnimo- y R

a la regin del problema dual; as mismo, si f es la


funcin del problema original, la del problema dual suele notarse f

.
Ejemplos
1. Hallar, por el mtodo smplex, el MNIMO de g 3y
1
2y
2
sujeta a
R
5y
1
y
2
10
2y
1
2y
2
12
y
1
4y
2
12
y
1
0 , y
2
0
.
Solucin:
Usando la notacin matricial, podemos poner:
g 3 2
y
1
y
2
, R
5 1
2 2
1 4
y
1
y
2

10
12
12
Y 0
.
El problema dual es:
MAXIMIZAR f 10 12 12
x
1
x
2
x
3
sujeto a R


5 2 1
1 2 4
x
1
x
2
x
3

3
2
,
.
o, equivalentemente, es:
MAXIMIZAR f 10x
1
12x
2
12x
3
en la regin R


5x
1
2x
2
x
3
3
x
1
2x
2
4x
3
2
x
1
0 , x
2
0 , x
3
0
.
Resolvemos este ltimo problema.
x
1
x
2
x
3
s
1
s
2
5 2 1 1 0 3 s
1
1 2 4 0 1 2 s
2
10 12 12 0 0 f

x
1
x
2
x
3
s
1
s
2
1
2
5
1
5
1
5
0
3
5
s
1
1 2 4 0 1 2 s
2
10 12 12 0 0 f

x
1
x
2
x
3
s
1
s
2
1
2
5
1
5
1
5
0
3
5
x
1
0
8
5
19
5

1
5
1
7
5
s
2
0 8 10 2 0 f 6

x
1
x
2
x
3
s
1
s
2
1
2
5
1
5
1
5
0
3
5
x
1
0 1
19
8

1
8
5
8
7
8
s
2
0 8 10 2 0 f 6

x
1
x
2
x
3
s
1
s
2
1 0
3
4
1
4

1
4
1
4
x
1
0 1
19
8

1
8
5
8
7
8
x
2
0 0 19 1 5 f 13
de la ltima fila se extrae la solucin del problema dual
Las variables del problema (del mnimo) se encuentran en las columnas de
las holguras del problema del mximo, pero cambiadas de signo.
Luego, la solucin del dual es g1, 5 13 .
La solucin del problema del mximo es: f
1
4
,
7
8
, 0 13.
Ejercicios varios
1. Resolver el problema de hallar el MNIMO de f 10x
1
4x
2
6x
3
sujeto a
R
x
1
x
2
x
3
3
x
1

1
4
x
2

1
2
x
3
2
x
1
0 , x
2
0 , x
3
0
.
(Observar que el sistema es de tipo .)
Solucin:
Planteamos el problema dual: MAXIMIZAR f

3y
1
2y
2
sujeto a
R


y
1
y
2
10
y
1

1
4
y
2
4
y
1

1
2
y
2
6
y
1
0 , y
2
0
.
Se podran renombrar las variables -si queremos que las del problema del
mximo sean "x
i
"- o, si no nos confunde, las variables de ambos problemas
podran ser "x
i
". De todos modos, debemos responder apelando a los nombres
originales.
Armamos la tabla inicial mirando el planteo del problema del mximo:
x
1
x
2
s
1
s
2
s
3
1 1 1 0 0 10 s
1
1
1
4
0 1 0 4 s
2
1
1
2
0 0 1 6 s
3
3 2 0 0 0 f

x
1
x
2
s
1
s
2
s
3
0
3
4
1 1 0 6 s
1
1
1
4
0 1 0 4 x
1
0
1
4
0 1 1 2 s
3
0
5
4
0 3 0 f

12

x
1
x
2
s
1
s
2
s
3
0 1
4
3

4
3
0 8 x
2
1
1
4
0 1 0 4 x
1
0
1
4
0 1 1 2 s
3
0
5
4
0 3 0 f

12

x
1
x
2
s
1
s
2
s
3
0 1
4
3

4
3
0 8 x
2
1 0
1
3
4
3
0 2 x
1
0 0
1
3

2
3
1 0 s
3
0 0
5
3

4
3
0 f

22
.
Luego,
minf22f(
5
3
,
4
3
,0)
-chequear en la expresin de f. Observar que tambin: f

(2,8)22.
2. Hallar la solucin del problema dual de
" MAXIMIZAR f x y, sujeta a
x y 1
x 2y 3
2x y 3
x y 1
x 0
y 0
. "
Solucin:
Primero planteamos la tabla inicial, y elegimos pivote:
x
1
x
2
s
1
s
2
s
3
s
4
1 1 1 0 0 0 1 s
1
1 2 0 1 0 0 3 s
2
2 1 0 0 1 0 3 s
3
1 1 0 0 0 1 1 s
4
1 1 0 0 0 0 f

x
1
x
2
s
1
s
2
s
3
s
4
0 0 1 0 0 1 2 s
1
0 1 0 1 0 1 4 s
2
0 1 0 0 1 2 1 s
3
1 1 0 0 0 1 1 x
1
0 2 0 0 0 1 f 1

x
1
x
2
s
1
s
2
s
3
s
4
0 0 1 0 0 1 2 s
1
0 0 0 1 1 3 3 s
2
0 1 0 0 1 2 1 x
2
1 0 0 0 1 1 2 x
1
0 0 0 0 2 3 f 3

x
1
x
2
s
1
s
2
s
3
s
4
0 0 1 0 0 1 2 s
1
0 0 0
1
3
1
3
1 1 s
2
0 1 0 0 1 1 1 x
2
1 0 0 0 1 2 2 x
1
0 0 0 0 2 3 f 3
.
Observemos que el coeficiente c
6
3 es positivo, por lo tanto, debemos
seguir:
x
1
x
2
s
1
s
2
s
3
s
4
0 0 1
1
3
1
3
0 1 s
1
0 0 0
1
3
1
3
1 1 s
2
0 1 0
2
3
1
3
0 3 x
2
1 0 0
1
3
2
3
0 3 x
1
0 0 0 1 1 0 f 6
Ahora s, es tabla final. La solucin de MINIMIZAR
f

y
1
, y
2
, y
3
, y
4
y
1
3y
2
3y
3
y
4
sujeta a R


y
1
y
2
2y
3
y
4
1
y
1
2y
2
y
3
y
4
1
y
1
0
y
2
0
y
3
0
y
4
0
es
f

0, 1, 1, 0 6.
3. Una seora quiere elaborar un programa mensual de actividades que
incluya clases de idiomas: ingls y portugus, y artsticas: dibujo y msica. El
costo de las mismas es de $11, $10, $9 y $8 respectivamente. Quiere emplear en
total por lo menos 40 horas al mes y planea dedicar a las clases de idiomas por
lo menos el mismo tiempo que les dedicar a las artsticas. Adems, cada mes le
gustara dedicar a las clases de ingls por lo menos 4 horas ms que a las de
portugs. Determinar cuntas horas mensuales deber dedicar a cada actividad
para gastar lo menos posible.
Solucin:
Si I, P, D y M son respectivamente las horas que le va a dedicar a cada actividad,
el problema es MINIMIZAR la funcin costo, C 11I 10P 9D 8M. Las
restricciones son:
I P D M 40
I P D M 0
I P 4
I 0, P 0, D 0, M 0,
.
El problema dual es MAXIMIZAR C

40x 4z sujeta a
x y z 11
x y z 10
x y 9
x y 8
x 0, y 0, z 0
.
La tabla inicial es:
x y z s
1
s
2
s
3
s
4
1 1 1 1 0 0 0 11 s
1
1 1 1 0 1 0 0 10 s
2
1 1 0 0 0 1 0 9 s
3
1 1 0 0 0 0 1 8 s
4
40 0 4 0 0 0 0 C

.
eligiendo los indicadores de izquierda a derecha, en tres pasos obtenemos
la tabla final:
x y z s
1
s
2
s
3
s
4
0 0 1
1
2

1
2
0 0
1
2
z
0 1 0
1
4
1
4
0
1
2
5
4
y
0 0 0 0 0 1 1 1 s
3
1 0 0
1
4
1
4
0
1
2
37
4
x
0 0 0 12 8 0 20 C

372
.
Leemos la respuesta de la tabla: maxC

372 en x, y, z
37
4
,
5
4
,
1
2
y
minC 372 en I, P, D. M 12, 8, 0, 20.
Entonces, para que el costo sea mnimo la mujer debe tomar
12 horas de clases de ingls, 8 de portugus, ninguna de dibujo y 20 de msica .
Su costo ser de $ 372.
4. En un gimasio hay una promocin con tres bandas horarias diferenciadas:
M, T y N. El costo de cada banda es, respectivamente, $1, $2 y $3. Para acceder
a la promocin se deben cumplir los siguientes requisitos: el uso total mensual
debe ser de al menos 12 horas, el uso de las bandas T y N juntas debe ser de al
menos 3 horas ms que el de la M, y el uso de las bandas M y N juntas debe ser
de al menos 4 horas. Cuntas horas semanales conviene utilizar cada banda
para minimizar el costo? Cul es ese costo?
Respuesta:
si va 5 horas a la banda M, 8 a la T y ninguna a la N obtiene el costo mnimo, que es de $21
5. Jorge es armador de CPU, para lo cual adquiere carcazas de dos
proveedores distintos, Juan y Pedro. Jorge tiene un taller en Capital y otro en
Provincia, y necesita armar al menos 700 CPU en Capital y 400 en Provincia. Las
carcazas de Juan, incluyendo flete, le cuestan $30 entregadas en Capital y $32
en Provincia, pero debe al menos comprarle 400. Las carcazas de Pedro,
incluyendo flete, le cuestan $34 entregadas en Capital y $28 en Provincia, pero
debe al menos comprarle 600. Cuntas carcazas debe comprarle el armador a
cada proveedor para minimizar el costo total? Observar que, a pesar de que se
est preguntando por dos nmeros (cunto debe comprarle a cada proveedor),
para poder resolver conviene introducir cuatro variables: cunto debe comprarle a
cada proveedor, dependiendo del taller donde las recibe.
Respuesta: a Juan le debe comprar 500 y a Pedro 600 . Debe recibir todas las
de Juan en Capital y las de Pedro 200 en Capital y 400 en Provincia.

Anda mungkin juga menyukai