PROGRAMACIÓN
LINEAL
Notas de clase
Tabla de contenido
I. MATRICES .......................................................................................................................... 5
CONCEPTOS BÁSICOS ................................................................................................................ 5
Definición: Matriz.............................................................................................................. 5
Igualdad de matrices ......................................................................................................... 6
TIPOS ESPECIALES DE MATRICES .......................................................................................... 6
MATRIZ TRANSPUESTA ......................................................................................................... 8
Propiedades de la Matriz Transpuesta ............................................................................. 8
MATRIZ SIMÉTRICA Y ANTISIMÉTRICA .................................................................................. 8
OPERACIONES CON MATRICES ............................................................................................. 9
Suma de matrices.............................................................................................................. 9
Producto por escalar ....................................................................................................... 10
Multiplicación de matrices .............................................................................................. 11
II. SISTEMAS DE ECUACIONES LINEALES ............................................................................. 15
Sistemas de ecuaciones lineales con dos variables ............................................................ 15
Conjunto solución ........................................................................................................... 15
Sistemas de ecuaciones lineales de orden m x n ................................................................ 17
Sistemas consistentes e inconsistentes .......................................................................... 18
Sistemas equivalentes..................................................................................................... 19
MÉTODOS DE SOLUCIÓN DE SISTEMAS DE ECUACIONES LINEALES ................................... 19
Operaciones elementales fila.......................................................................................... 19
Matriz Escalonada ........................................................................................................... 20
Matriz Escalonada Reducida ........................................................................................... 21
Método de Gauss ............................................................................................................ 21
Método de Gauss - Jordan .............................................................................................. 23
Rango de una matriz ....................................................................................................... 24
Sistema Homogéneo ....................................................................................................... 24
Sistema No Homogéneo ................................................................................................. 25
Tipos de solución............................................................................................................. 25
MATRIZ INVERSA ................................................................................................................. 26
Definición ........................................................................................................................ 26
Propiedades .................................................................................................................... 26
Inversa de una matriz de orden 2x2 ............................................................................... 26
Procedimiento para hallar la inversa de una matriz de orden n con el método de Gauss-
Jordan.............................................................................................................................. 26
La inversa y los sistemas de ecuaciones lineales ............................................................ 27
III. DETERMINANTES ........................................................................................................ 29
Determinantes de orden 2 x 2 ............................................................................................ 29
Determinantes de orden n x n ............................................................................................ 29
Propiedades de los determinantes ..................................................................................... 30
Teoremas de los determinantes ......................................................................................... 30
Regla de Cramer .................................................................................................................. 31
IV. INTRODUCCIÓN A LA PROGRAMACIÓN LINEAL .......................................................... 32
Conceptos básicos de programación lineal ........................................................................ 32
Modelo Estándar de Programación Lineal .......................................................................... 33
Método Gráfico ................................................................................................................... 34
Teorema de programación lineal .................................................................................... 34
Método Simplex .................................................................................................................. 41
CONCEPTOS BÁSICOS
Definición: Matriz
es una matriz de orden m x n, donde 𝑎11 , … , 𝑎𝑚𝑛 representan los elementos de esta matriz
dispuestos en m filas y n columnas (m y n pertenecientes a los enteros positivos)
Notación:
a) 𝐴 ∈ ℝ𝑚𝑛 , forma abreviada 𝐴 = ‖𝑎𝑖𝑗 ‖
b) 𝑎𝑖𝑗 : elementos de la matriz, para 𝑖 ∈ {1, … , 𝑚} y 𝑗 ∈ {1, … , 𝑛}, 𝑎𝑖𝑗 ∈ ℝ
c) 𝐴𝑖 = [𝑎𝑖1 𝑎𝑖2 … 𝑎𝑖𝑛 ] denota la i-ésima fila de A.
𝑎1𝑗
𝑎
d) 𝐴(𝑗) = [ 2𝑗 ] denota la j-ésima columna de A.
⋮
𝑎𝑚𝑗
Ejemplo:
3 −1 4 𝜋
Sea 𝐵 = [2 1 0 √2 ]
0 1 −1 1⁄2
a) 𝐵 ∈ ℝ3𝑥4
b) 𝑏23 = 0
𝑏32 = 1
c) 𝐵2 = [2 1 0 √2]
𝜋
d) 𝐵 = [ √2 ]
(4)
1⁄
2
Ejercicio
Halle los elementos de las matrices 𝐴 = [𝑎𝑖𝑗 ]2𝑥3 y 𝐵 = [𝑏𝑖𝑗 ]3𝑥2 , donde 𝑎𝑖𝑗 = i2 + j y
𝑏𝑖𝑗 = 2i − j
Igualdad de matrices
Sean 𝐴 = ‖𝑎𝑖𝑗 ‖ y 𝐵 = ‖𝑏𝑖𝑗 ‖ matrices del mismo orden m x n. decimos que A = B si y solo si
𝑎𝑖𝑗 = 𝑏𝑖𝑗 , para todo 𝑖 = 1, 2, … , 𝑚 y 𝑗 = 1, 2, … , 𝑛.
Ejemplo:
7 9 𝑥 𝑦
Sean 𝐴 = [ ]y𝐵 =[ ]
5 −2 𝑧 𝑤
Las matrices A y B tienen orden 2 x 2, y además A = B si se cumple:
𝑥 = 7, 𝑦 = 9, 𝑧 = 5, 𝑤 = −2
Ejercicio
Hallar el valor de las incógnitas para que las matrices A y B sean iguales:
𝑥 + 2𝑦 −𝑤 + 2𝑧 1 2
𝐴=[ ] 𝐵=[ ]
3+𝑤 5𝑥 − 𝑦 2𝑤 + 𝑧 3𝑦 − 1
Matriz Cuadrada: es aquella que tiene el mismo número de filas y columnas. Se dice que
tiene orden 𝑛, pues 𝑛 = 𝑚. La diagonal principal está conformada por los elementos 𝑎𝑖𝑖 ; la
suma de estos elementos se llama Traza de la matriz y se nota 𝑡𝑟(𝐴).
Ejemplo:
7 9
Sea 𝐴 = [ ]
5 2
Matriz Identidad: es una matriz cuadrada en la cual los elementos situados sobre la diagonal
principal son iguales a uno y el resto de los elementos son iguales a cero. Para cualquier
matriz A, se cumple 𝐼𝐴 = 𝐴 = 𝐴𝐼
Ejemplo:
1 0 0
𝐼 = [0 1 0]
0 0 1
Matriz Nula: es una matriz que tiene cualquier tamaño con todos los elementos iguales a
cero. Por lo tanto para cualquier matriz A,
𝐴 + 0 = 𝐴 , 𝐴 − 𝐴 = 0, 𝑦 0𝐴 = 0 = 0𝐴
Ejemplo:
0 0 0
0 = [0 0 0]
0 0 0
Vector fila: matriz que tiene una sola fila. Es de orden o dimensión 1 𝑥 𝑛.
Ejemplo:
𝐹 = [𝑓11 𝑓12 … 𝑓1𝑛 ]
Vector Columna: matriz que tiene una sola columna. Es de orden o dimensión 𝑚 𝑥 1.
Ejemplo:
𝑐11
𝑐
𝐶 = [ 21 ]
⋮
𝑐𝑚1
Matriz Triangular Superior: es una matriz cuadrada en la cual todos los elementos que están
por debajo de la diagonal principal son iguales a cero. La matriz 𝐴 = ‖𝑎𝑖𝑗 ‖ es triangular
superior si 𝑎𝑖𝑗 = 0 𝑝𝑎𝑟𝑎 𝑖 > 𝑗.
Ejemplo:
3 1 0
𝐴 = [0 4 7 ]
0 0 −5
Matriz Triangular Inferior: es una matriz cuadrada en la cual todos los elementos que están
por encima de la diagonal principal son iguales a cero. La matriz 𝐴 = ‖𝑎𝑖𝑗 ‖ es triangular
inferior si 𝑎𝑖𝑗 = 0 𝑝𝑎𝑟𝑎 𝑖 < 𝑗.
Ejemplo:
4 0 0
𝐴 = [2 1 0]
8 0 5
Matriz diagonal: una matriz cuadrada es diagonal si los elementos no diagonales son todos
nulos.
Ejemplo:
7 0 0
𝐴 = [0 −1 0]
0 0 5
MATRIZ TRANSPUESTA
Ejemplo:
2 3
Si 𝐴 = [4 0]
7 1 3𝑥2
2 4 7
Al intercambiar las filas por las columnas se obtiene: 𝐴𝑇 = [ ]
3 0 1 2𝑥3
a) (𝐴𝑇 )𝑇 = 𝐴
b) (𝑘𝐴)𝑇 = 𝑘𝐴𝑇
c) (𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵𝑇
d) (𝐴𝐵)𝑇 = 𝐵𝑇 𝐴𝑇
Ejemplo:
−1 2 8 −1 2 8
Sea 𝐴 = [ 2 −5 9], 𝐴𝑇 = [ 2 −5 9]
8 9 4 8 9 4
Nótese que en una matriz simétrica los elementos opuestos a la diagonal principal
son iguales y la diagonal principal contiene valores arbitrarios.
0 3 −1 0 −3 1
Sea 𝐵 = [−3 0 5 ], 𝐵 𝑇 = [ 3 0 −5]
1 −5 0 −1 5 0
Suma de matrices
Ejemplo:
−1 2 8 0 3 −1
Sean 𝐴 = [ 2 −5 9] y 𝐵 = [−3 0 5 ], calcular A + B
8 9 4 1 −5 0
Solución
−1 + 0 2 + 3 8 − 1 −1 5 7
𝐴 + 𝐵 = [ 2 − 3 −5 + 0 9 + 5] = [−1 −5 14]
8+1 9−5 4+0 9 4 4
Asociativa
Dadas las matrices A, B y C de orden m×n: 𝐴 + (𝐵 + 𝐶) = (𝐴 + 𝐵) + 𝐶
Conmutativa
Dadas las matrices A y B de orden m×n: 𝐴 + 𝐵 = 𝐵 + 𝐴
Ejemplo:
2 −4 6
Si 𝐴 = [ ] 𝑦 𝑘 = −5, calcular −5𝐴
−1 3 5
Solución.
(−5)(2) (−5)(−4) (−5)(6) −10 20 −30
−5𝐴 = [ ]= [ ]
(−5)(−1) (−5)(3) (−5)(5) 5 −15 −25
Multiplicación de matrices
−2
𝐴𝐵 = [5 3 2] [ 6 ] = (5)(−2) + (3)(6) + (2)(4) = 16
4
∑ 𝑎1𝑗 𝑥𝑗
𝑗=1
𝑎11 𝑎12 … 𝑎1𝑛 𝑥1 𝑛
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ +𝑎1𝑛 𝑥𝑛
𝑎21 𝑎22 … 𝑎2𝑛 𝑥2
𝐴𝑋 = [ ⋮ 𝑎 𝑥 + 𝑎22 𝑥2 + ⋯ +𝑎2𝑛 𝑥𝑛 ] = ∑ 𝑎2𝑗 𝑥𝑗
⋮ … ⋮ ] [ ⋮ ] = [ 21 1
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 𝑥𝑛
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ +𝑎𝑚𝑛 𝑥𝑛 𝑗=1
𝑛
∑ 𝑎𝑚𝑗 𝑥𝑗
[ 𝑗=1 ]
Ejemplo:
3 6 2 −2
Sean 𝐴 = [−2 5 −1] y 𝐵 = [ 6 ], calcular AB
0 −2 4 4
Solución:
3 6 2 −2 (3)(−2) + (6)(6) + (2)(4) 38
𝐴𝐵 = [−2 5 −1] [ 6 ] = [(−2)(−2) + (5)(6) + (−1)(4)] = [30]
0 −2 4 4 (0)(−2) + (−2)(6) + (4)(4) 4
𝑏1𝑗 𝑛
𝑎𝑖2 … 𝑏 2𝑗
𝑐𝑖𝑗 = 𝐴𝑖 𝐵(𝑗) = [𝑎𝑖1 𝑎𝑖𝑛 ] [ ] = 𝑎𝑖1 𝑏1𝑗 + 𝑎𝑖2 𝑏2𝑗 + ⋯ + 𝑎𝑖𝑛 𝑏𝑛𝑗 = ∑ 𝑎𝑖𝑘 𝑏𝑘𝑗
⋮
𝑘=1
𝑏𝑛𝑗
Ejemplo:
3 6 2 3 −2
Sean 𝐴 = [−2 5 1] y 𝐵 = [4 1]
0 2 4 3 5
La matriz A es de orden 3x3 y B es una matriz de orden 3x2, podemos hallar el producto
matricial AB dado que el número de columnas de A es igual al número de filas de B. La
matriz resultante será de orden 3x2. Veamos:
3 6 2 3 −2
𝐴𝐵 = [−2 5 1] [4 1 ]
0 2 4 3𝑥3 3 5 3𝑥2
4) 𝐴𝑚 𝑥 𝑛 ∙ 0𝑛 𝑥 𝑝 = 0𝑚 𝑥 𝑝
5) 𝐼𝑛 ∙ 𝐴𝑛 = 𝐴𝑛 = 𝐴𝑛 ∙ 𝐼𝑛
𝑛 𝑟 𝑛 𝑛 𝑟
(𝐴𝐵)𝐶 = (∑ 𝑎𝑖𝑗 𝑏𝑗𝑘 ) 𝑐𝑘𝑙 = ∑ (∑ 𝑎𝑖𝑗 𝑏𝑗𝑘 ) 𝑐𝑘𝑙 = ∑ ∑(𝑎𝑖𝑗 𝑏𝑗𝑘 𝑐𝑘𝑙 )
𝑗=1 𝑘=1 𝑗=1 𝑗=1 𝑘=1
𝑛 𝑛 𝑟
(𝐵 + 𝐶)𝐷 = (‖𝑏𝑖𝑗 ‖ + ‖𝑐𝑖𝑗 ‖) ∙ ‖𝑑𝑗𝑘 ‖ = ‖𝑏𝑖𝑗 + 𝑐𝑖𝑗 ‖ ∙ ‖𝑑𝑗𝑘 ‖ = ‖∑(𝑏𝑖𝑗 + 𝑐𝑖𝑗 )𝑑𝑗𝑘 ‖
𝑗=1
𝑚 𝑚 𝑚
Conjunto solución
Al resolver sistemas de ecuaciones, se busca obtener los valores de las variables que
satisfagan simultáneamente las ecuaciones del sistema.
Ejemplo: En el sistema de ecuaciones:
2𝑥 + 4𝑦 = 20
3𝑥 + 𝑦 = 10
Se quiere encontrar los valores de 𝑥 y 𝑦 tal que satisfagan ambas ecuaciones al mismo
tiempo.
Gráficamente, se trata de determinar si las dos rectas que representan las ecuaciones tienen
puntos en común. Las posibles soluciones en forma gráfica que puede adoptar el sistema de
ecuaciones son:
Ejemplo:
Hallar el conjunto solución del sistema:
2𝑥 + 4𝑦 = 20
3𝑥 + 𝑦 = 10
donde
𝑥1
𝑥
𝑋 = [ 2 ] es el vector de incógnitas
⋮
𝑥𝑛
𝑏1
𝑏
𝐵 = [ 2 ] es el vector de términos independientes
⋮
𝑏𝑚
La matriz
que denotaremos por [𝐴|𝐵] es llamada Matriz Aumentada del sistema 𝐴𝑋 = 𝐵, que está
compuesta por los coeficientes de las variables del sistema y los términos independientes.
Ejemplo:
Representación Matricial:
𝑥1
1 −2 0 3 1 2𝑥 100
[3 0 −3 1 0] 𝑥3 = [ 60 ]
0 4 −1 2 1 𝑥4 125
[𝑥5 ]
Ejemplos: El sistema
3𝑥 + 2𝑦 − 𝑧 = 4
𝑥 − 2𝑦 + 𝑧 = 0
2𝑥 + 𝑦 − 𝑧 = 1
Es consistente, puesto que la 3-upla (1,2,3) correspondiente a 𝑥 = 1,𝑦 = 2, 𝑧 = 3 es una
solución del sistema. Veamos que al reemplazar las variables 𝑥, 𝑦 y 𝑧 por sus
correspondientes valores en todas las ecuaciones se verifican las igualdades:
3(1) + 2(2) − (3) = 4
(1) − 2(2) + (3) = 0
2(1) + (2) − (3) = 1
El sistema
3𝑥 + 𝑦 = 1
3𝑥 + 𝑦 = −2
Sistemas equivalentes
Dos sistemas de ecuaciones son equivalentes, cuando toda solución de uno de ellos, lo es
también del otro.
Ejemplo:
Los sistemas de ecuaciones
3𝑥 + 𝑦 = 3 6𝑥 + 2𝑦 = 6
{ y {
5𝑥 + 3𝑦 = 5 10𝑥 + 6𝑦 = 10
son equivalentes, puesto que la solución única de los dos sistemas es 𝑥 = 1 y 𝑦 = 0
Sea A una matriz de orden m x n. Se pueden realizar tres tipos de operaciones con las filas
de una matriz A, que llamaremos operaciones elementales de fila.
Para 𝑟, 𝑠 ∈ {1,2, … , 𝑚}:
1. 𝐸𝑟𝑠 (𝑐): operación elemental que consiste en sustituir la fila r por la resultante de
sustraer a la fila r, c veces la fila s.
2. 𝑃𝑟𝑠 : operación elemental que consiste en intercambiar las filas r y s.
3. 𝑀𝑟 (𝑐): operación elemental que consiste en sustituir la fila r por el resultado de
multiplicar la fila r por una constante 𝑐 ≠ 0.
Ejemplo:
Sea
1 −2 3
𝐴 = [−2 4 1]
4 −2 0
a. 𝐸21 (2)
b. 𝑃23
c. 𝑀3 (1⁄2)
Solución
1 −2 3 𝐸21 (2) 1 −2 3
a. 𝐴 = [−2 4 1] → [−4 8 −5]
4 −2 0 4 −2 0
Otra notación puede ser 𝑓2 → 𝑓2 − 𝑐𝑓1:, que indica la fila 2 se va a sustituir por el
resultado de restar de la fila 2, c veces la fila 1.
1 −2 3 𝑃23 1 −2 3
b. 𝐴 = [−2 4 1] → [ 4 −2 0]
4 −2 0 −2 4 1
1 −2 3 𝑀3 (1⁄ ) 1 −2 3
2
c. 𝐴 = [−2 4 1] → [−2 4 1]
4 −2 0 2 −1 0
Matriz Escalonada
Ejemplo:
0 1 −2 3 1
𝑈 = [0 0 1 −1 0 ] es escalonada, los pivotes están en las columnas 2, 3 y 5
0 0 0 0 −2
0 −1 2 1
𝐴 = [0 0 1 0 ] no es escalonada
1 0 0 −2
Ejemplo
1 2 −2 4 1 2 −2 4 𝑓3 →𝑓3 −(−2)𝑓2 1 2 −2 4
Sea 𝐴 = [−3 −6 −1 0] 𝑓2𝑓→𝑓→𝑓2 −(−3)𝑓 1 [
0 0 −7 12 ] → [0 0 −7 12]
3 3 −4𝑓1
4 8 6 2 0 0 14 −14 0 0 0 10
Una matriz m x n tiene la forma escalonada reducida por filas, cuando satisface las
siguientes condiciones:
- Tiene la forma escalonada
- El primer elemento no nulo de cada fila es 1 y es el único elemento distinto de cero
de la respectiva columna.
Ejemplo:
Las matrices
1 0 0 4 1 2 0 0 1
𝐴 = [0 1 0 12] , 𝐵 = [0 0 1 0 5] están en la forma escalonada reducida.
0 0 1 14 0 0 0 1 2
Método de Gauss
Para resolver un sistema de ecuaciones lineales por el método de Gauss, se utilizan las
operaciones elementales entre filas, para transformar la matriz aumentada del sistema
original, en la matriz aumentada en forma escalonada de un sistema equivalente. Los pasos
a seguir son:
I. Formar la matriz aumentada [𝐴|𝐵]
II. Transformar la matriz aumentada a su forma escalonada mediante operaciones
elementales fila.
III. Escribir el sistema correspondiente a la forma escalonada y de este sistema se
obtiene la solución.
Producto Horas
disponibles
Departamento X Y Z a la semana
A 2 3,5 3 1200
B 3 2,5 2 1150
C 4 3 2 1400
Solución:
En primer lugar nombremos la variable de decisión, es decir, qué es lo que queremos hallar.
𝑥𝑖 : Número de unidades fabricadas por semana del producto 𝑖, con 𝑖 = {𝑋, 𝑌, 𝑍}
Luego, construimos el sistema de ecuaciones:
2𝑥1 + 3.5𝑥2 + 3𝑥3 = 1200
3𝑥1 + 2.5𝑥2 + 2𝑥3 = 1150
4𝑥1 + 3𝑥2 + 2𝑥3 = 1400
1 7⁄4 3⁄ 2 600
[0 1 10⁄11 | 2600⁄11 ] la matriz está en forma escalonada, luego escribimos el
0 0 −4⁄11 −600⁄11
sistema de ecuaciones final:
7 3
𝑥1 + 𝑥2 + 𝑥3 = 600
4 2
10 2600
𝑥2 + 𝑥3 =
11 11
−4 −600
𝑥 =
11 3 11
Se concluye que se deben fabricar semanalmente 200 unidades del producto X, 100
unidades del producto Y, y 150 unidades del producto Z, aprovechando todos los recursos
disponibles.
Para resolver un sistema de ecuaciones lineales por el método de Gauss - Jordan, se utilizan
las operaciones elementales entre filas, para transformar la matriz aumentada del sistema
original, en la matriz aumentada en forma escalonada reducida de un sistema equivalente.
Los pasos a seguir son:
I. Formar la matriz aumentada [𝐴|𝐵]
II. Transformar la matriz aumentada a su forma escalonada reducida mediante
operaciones elementales fila.
III. Escribir el sistema correspondiente a la forma escalonada y de este sistema se
obtiene la solución.
Ejemplo.
Tres compuestos se combinan para formar tres tipos de fertilizantes. Una unidad del
fertilizante tipo I requiere 10 kg del compuesto A, 30 del B y 60 del C; una unidad del
fertilizante tipo II requiere 20 kg del compuesto A, 30 del B y 50 del C; unidad del tipo III
requiere 50 kg de A y 50 del C. Si hay disponibles 1600 kg del compuesto A, 1200 kg del B y
3200 kg del C, ¿cuántas unidades de cada tipo de fertilizante se pueden producir si se usa
todo el material químico disponible?
Solución:
La variable de decisión es
𝑥𝑖 : Cantidad de fertilizante tipo 𝑖 a producir , con 𝑖 = {𝐼, 𝐼𝐼, 𝐼𝐼𝐼}
Luego, construimos el sistema de ecuaciones inicial:
Compuesto A: 10𝑥1 + 20𝑥2 + 50𝑥3 = 1600
Compuesto B: 30𝑥1 + 30𝑥2 = 1200
Compuesto C: 60𝑥1 + 50𝑥2 + 50𝑥3 = 3200
10 20 50 1600
[30 30 0 |1200]
60 50 50 3200
𝑥1 = 20
𝑥2 = 20
𝑥3 = 20
Se concluye que se debe producir 20 unidades del fertilizante tipo I, 20 unidades del
fertilizante tipo II, y 20 unidades del fertilizante tipo I, utilizando todo el material químico
disponible.
Sistema Homogéneo
Ejemplo:
3𝑥 + 𝑦 = 0
El sistema es homogéneo, ya que los términos independientes con cero.
5𝑥 + 3𝑦 = 0
Sistema No Homogéneo
Ejemplo:
El sistema
𝑥1 − 2𝑥2 + 3𝑥4 + 𝑥5 = 10
3𝑥1 − 3𝑥3 + 𝑥4 = 0
4𝑥2 − 𝑥3 + 2𝑥4 + 𝑥5 = 12
Tipos de solución
MATRIZ INVERSA
Definición
Sea A una matriz cuadrada de orden n. Decimos que A es invertible si existe una matriz B de
orden n, tal que 𝐴𝐵 = 𝐵𝐴 = 𝐼𝑛 . Entonces, B es la inversa de A y escribimos 𝐴−1 = 𝐵.
Ejemplo:
3 5 2 −5
𝐴−1 = [ ] es la inversa de 𝐴 = [ ]
1 2 −1 3
Propiedades
𝑎 𝑏 1 𝑑 −𝑏
Sea 𝐷 = [ ], su inversa estará dada por 𝐷−1 = [ ]
𝑐 𝑑 𝑎𝑑−𝑏𝑐 −𝑐 𝑎
2 3
Ejemplo. Hallar la inversa de la matriz 𝐺 = [ ]
1 3
Solución.
1 3 −3 1 3 −3
𝐺−1 = [ ]= [ ]
(2)(3) − (1)(3) −1 2 3 −1 2
Para hallar la inversa de una matriz A con el método de Gauss-Jordan se deben seguir los
siguientes pasos:
Paso 1. Construir una matriz aumentada con la matriz A y la matriz Identidad a la derecha,
así [𝐴𝑛 |𝐼𝑛 ]
Paso 2. Aplicar operaciones elementales entre filas para llevar la matriz aumentada a la
forma escalonada reducida.
1 0 1
𝐴 = [ 3 1 0]
0 −3 1
Solución. Construir una matriz aumentada con la matriz A y la matriz Identidad, luego
realizar operaciones elementales hasta llegar a la forma escalonada reducida.
− 1⁄8 3⁄8 1⁄
1 0 1 1 0 0
𝑓 → 𝑓1 − 𝑓3 1 0 0 8
[0 1 −3 | −3 1 0 ] 1 0 1 0 || 3⁄8 − 1⁄8 − 3⁄8
9 ⁄ − 3⁄ − 1⁄ 𝑓2 → 𝑓2 + 3𝑓3
0 0 1 0 0 1 9
8 8 8 [ ⁄8 − 3⁄8 − 1⁄8]
La matriz quedó de la forma [𝐼𝑛 |𝐵], lo que indica que la inversa de la matriz A es la matriz
− 1⁄8 3⁄8 1⁄
8
𝐵= 3 1 3
⁄8 − ⁄8 − ⁄8 = 𝐴−1
9 3 1
[ ⁄8 − ⁄8 − ⁄8]
Ejemplo.
Un panadero vende 2 clases de panecillos: regulares y extradulces. Cada lote de masa para
panecillos regulares emplea 50 lb de harina y 2 lb de azúcar. Cada lote de masa para
panecillos extradulces utiliza 49 lb de harina y 4 lb de azúcar. El panadero dispone de 690 lb
de harina y 48 lb de azúcar. ¿Cuántos lotes de cada tipo de panecillo deberá producir para
emplear toda la harina y todo el azúcar?
Solución:
Variables de decisión:
𝑥1 = Cantidad de lotes a producir del panecillo regular
𝑥2 = Cantidad de lotes a producir del panecillo extradulce
50 49 𝑥1 690
[ ] [𝑥 ] = [ ]
2 4 2 48
Verifiquemos que la matriz A tiene inversa:
𝑎𝑑 − 𝑏𝑐 ≠ 0, 𝑙𝑢𝑒𝑔𝑜, (50 ∗ 4) − (49 ∗ 2) = 102 ≠ 0 ∴ 𝐴 𝑡𝑖𝑒𝑛𝑒 𝑖𝑛𝑣𝑒𝑟𝑠𝑎
1 4 −49
La inversa de la matriz A es: 𝐴−1 = 102 [ ]
−2 50
Conclusión: Se debe producir 4 lotes del panecillo regular y 10 lotes del panecillo
extradulce, empleando todo el azúcar y la harina.
Determinantes de orden 2 x 2
𝑎 𝑏
Sea 𝐴 = [ ] una matriz de orden 2x2. El determinante de la matriz A, que se denota
𝑐 𝑑
det(A) ó |𝐴|, está dado por det(𝐴) = 𝑎𝑑 − 𝑏𝑐
4 6
Ejemplo: Calcular el determinante de la matriz 𝐴 = [ ]
7 8
𝑑𝑒𝑡(𝐴) = 4 ∗ 8 − 6 ∗ 7 = −10
Determinantes de orden n x n
El determinante de una matriz de orden n x n se puede calcular realizando un
procedimiento llamado Desarrollo por cofactores por una fila o por una columna de la
matriz A.
𝑎11 𝑎12 … 𝑎1𝑛
𝑎21 𝑎22 … 𝑎2𝑛
Sea 𝐴 = [ ⋮ ⋮ … ⋮ ]
𝑎𝑛1 𝑎𝑛2 … 𝑎
𝑛𝑛
𝑖 = 1, 2, … , 𝑛
𝑗 = 1, 2, … , 𝑛
Donde
2 3 5 −2
𝐴=[ 0 −2 2 −4]
5 0 1 6
−1 4 0 1
−2 2 −4 0 2 −4 0 −2 −4 0 −2 2
𝐷𝑒𝑡(𝐴) = 2 | 0 1 6 | − 3 | 5 1 6 | + 5 | 5 0 6 |+ 2| 5 0 1|
4 0 1 −1 0 1 −1 4 1 −1 4 0
1 6 0 6 0 1 1 6 5 6 5 1
𝐷𝑒𝑡(𝐴) = 2 (−2 | | −2| | − 4| |) − 3 (0 | |− 2| | − 4| |)
0 1 4 1 4 0 0 1 −1 1 −1 0
0 6 5 6 5 0
+ 5 (0 | |+ 2| | − 4| |)
4 1 −1 1 −1 4
0 1 5 1 5 0
+ 2 (0 | |+ 2| | + 2| |)
4 0 −1 0 −1 4
Regla de Cramer
Este método sirve para resolver sistemas de ecuaciones lineales de orden nxn donde la
matriz de coeficientes es invertible.
𝑎11 𝑥1 + 𝑎12 𝑥2 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 = 𝑏2
𝑎11 𝑎12
Si |𝐴| = |𝑎 𝑎22 | ≠ 0
21
Entonces:
𝑏 𝑎12 𝑎 𝑏1
| 1 | 𝑏1 𝑎22 − 𝑏2 𝑎12 | 11 | 𝑎11 𝑏2 − 𝑎21 𝑏1
𝑏2 𝑎22 𝑎21 𝑏2
𝑥1 = = 𝑥2 = =
|𝐴| 𝑎11 𝑎22 − 𝑎21 𝑎12 |𝐴| 𝑎11 𝑎22 − 𝑎21 𝑎12
Entonces:
Función objetivo: Expresión matemática que sirve para representar el criterio destinado a
evaluar en la resolución de problemas. Es por tanto, una función lineal que debe
maximizarse o minimizarse.
Restricciones: Limitaciones que se imponen a un problema.
Restricciones de no negatividad: conjunto de restricciones que exigen que todas las
variables sean positivas.
Variables de decisión: cantidades desconocidas que deben determinarse para solucionar un
problema de decisión.
Región factible: es el conjunto de todos los puntos del plano cartesiano que satisfacen
todas las restricciones del problema de programación lineal.
Solución factible: es un vector X que satisface el conjunto de restricciones.
Solución no factible: Solución que infringe una o más restricciones, por lo tanto no existe
ninguna solución del problema de programación lineal.
Solución óptima: Es una solución factible que maximiza o minimiza el valor de la función
objetivo.
Solución degenerada: Aquella en la cual no se incluye por lo menos una variable de
decisión.
Solución no acotada: la solución se presenta en el infinito. Esto sucede cuando el modelo
matemático no es lo suficientemente preciso.
Precio sombra: Mide el valor marginal del recurso i, es decir, la tasa a la que Z puede
aumentar si se incrementa en una unidad la cantidad disponible de dicho recurso.
Costo reducido: Indica cuánto se puede incrementar (maximizando) o decrementar
(minimizando) el coeficiente de la variable en la función objetivo antes de que la solución
óptima pueda variar. Esto indica que no resultará rentable producir el producto 𝑥𝑖 a menos
que el beneficio que éste genere aumente en dicho valor.
Supóngase que existe cualquier número (m) de recursos limitados de cualquier tipo, que se
pueden asignar entre cualquier número (n) de actividades competitivas de cualquier clase.
Etiquétense los recursos con números (1, 2, ..., m) al igual que las actividades (1, 2, ..., n).
Sea xj (una variable de decisión) el nivel de la actividad j, para j = 1, 2, ..., n, y sea Z la
medida de efectividad global seleccionada. Sea cj el incremento que resulta en Z por cada
incremento unitario en xj (para j = 1, 2, ..., n). Ahora sea bi la cantidad disponible del recurso
i (para i = 1, 2, ..., m). Por último defínase aij como la cantidad de recurso i que consume
cada unidad de la actividad j (para i = 1, 2, ..., m y j = 1, 2, ..., n). Se puede formular el
modelo matemático para el problema general de asignar recursos y actividades. En
particular, este modelo consiste en elegir valores de x1, x2, ..., xn para:
Maximizar 𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + . . . + 𝑐𝑛 𝑥𝑛 ,
sujeto a las restricciones:
≥
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 𝑏1
<
≥
𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 𝑏2
<
⋮
≥
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 𝑏𝑚
<
𝑥1 ≥ 0, 𝑥2 ≥ 0,..., 𝑥3 ≥ 0
En forma matricial:
𝑥1
𝑥
𝑀𝑎𝑥 𝑍 = [𝑐1 𝑐2 … 𝑐𝑛 ] [ 2 ]
⋮
𝑥𝑛
Sujeta a
𝑎11 𝑎12 … 𝑎1𝑛 𝑥1 𝑏1
𝑎21 𝑎22 … 𝑎2𝑛 𝑥2 𝑏2
[ ⋮ ⋮ … ⋮ ][ ⋮ ] ≤ [ ⋮ ]
𝑎𝑚1 𝑎𝑚2 … 𝑎
𝑚𝑛 𝑥𝑛 𝑏𝑚
Método Gráfico
Considere una función objetivo de dos variables, sujeta a ciertas restricciones lineales, las
cuales generan como región factible un polígono regular convexo. El valor máximo o mínimo
de la función objetivo, se encuentra en uno de los vértices de la región factible.
La compañía Sigma produce bibliotecas y escritorios para los cuales ha establecido un precio
de venta por unidad de $9.000 y $10.000 respectivamente. Para la producción de dichos
artículos la compañía cuenta con una disponibilidad mensual de 700 metros de madera, 800
metros de tubo y 900 pliegos de papel lija. ¿Qué cantidad de bibliotecas y escritorios se
debe fabricar mensualmente si se sabe que una biblioteca consume 7 metros de madera, 10
metros de tubo y 6 pliegos de papel lija; mientras que para producir un escritorio se
requieren 10 metros de madera, 8 metros de tubo y 15 pliegos de papel lija?
Solución
Para la construcción de modelos tenga en cuenta: hacer un análisis de la información,
definir las variables, establecer la función objetivo y determinar las restricciones.
Definición de variables
La compañía debe decidir cuántas bibliotecas y escritorios se deberán producir
mensualmente para lograr una máxima utilidad, por tanto las variables son:
𝑥1 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑏𝑖𝑏𝑙𝑖𝑜𝑡𝑒𝑐𝑎𝑠 𝑎 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑟 𝑝𝑜𝑟 𝑚𝑒𝑠
𝑥2 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑒𝑠𝑐𝑟𝑖𝑡𝑜𝑟𝑖𝑜𝑠 𝑎 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑟 𝑝𝑜𝑟 𝑚𝑒𝑠
Función objetivo
Se trata de maximizar el ingreso de la compañía, pues nos dan información de precios de
venta de cada uno de los artículos que producen.
𝑀𝑎𝑥 𝑍 = 9000 𝑥1 + 10000𝑥2
Restricciones
La compañía debe tener en cuenta las siguientes limitaciones en los 3 recursos que tiene
para fabricar dichos productos:
Madera: 7 𝑥1 + 10𝑥2 ≤ 700
Tubo: 10 𝑥1 + 8𝑥2 ≤ 800
Papel lija: 6 𝑥1 + 15𝑥2 ≤ 900
Primera restricción:
Se supone la igualdad y se hallan los puntos de corte con los ejes, dándole valores de cero a
cada incógnita. Por ejemplo, si 𝑥1 = 0, despejando 𝑥2 es igual a 70, esto conforma el
par ordenado ((𝑥1 , 𝑥2 ) = (0,70). De igual forma se calcula el otro punto, cuando
𝑥2 = 0, entonces 𝑥1 es igual a 100, y se genera el par ordenado (100,0)
𝑠𝑖 𝑥1 = 0 ⇒ 𝑥2 = 70 ∴ (0,70)
7 𝑥1 + 10𝑥2 = 700 ⇒ {
𝑠𝑖 𝑥2 = 0 ⇒ 𝑥1 = 100 ∴ (100,0)
Estos puntos se marcan en el gráfico y se juntan mediante una línea recta. Y dado
que la restricción es menor o igual, se sombrea la región comprendida desde la recta
hasta el origen, que garantiza consumir como máximo 700 metros de madera.
Donde
𝑐1 : es la primera restricción
𝑐2 : es la segunda restricción
𝑐3 : es la tercera restricción
Los puntos A, B, C, D, y E son los vértices de la región factible (ó polígono de factibilidad)
Veamos
7 𝑥1 + 10𝑥2 = 700 metros de madera
10 𝑥1 + 8𝑥2 = 800 metros de tubo
Para hallar el valor de las variables de este sistema 2x2, se puede realizar por igualación,
sustitución, eliminación o cualquier otro método conocido.
Utilizando el método de eliminación:
7 𝑥1 + 10𝑥2 = 700 multiplicando la ecuación (1) por (-10)
10 𝑥1 + 8𝑥2 = 800 multiplicando la ecuación (2) por (7)
Tenemos
−70 𝑥1 − 100𝑥2 = −7000
70 𝑥1 + 56𝑥2 = 5600
−44𝑥2 = −1400
350
Simplificando se obtiene el valor de 𝑥2 = , tomando este valor y reemplazándolo en
11
cualquiera de las ecuaciones del sistema se halla el valor de 𝑥1 . Reemplazando en la
ecuación (1) tenemos:
350
7 𝑥1 + 10 ( 11 ) = 700
Y despejando 𝑥1 se obtiene:
350
700 − 10 ( ) 4200 600
11
𝑥1 = = =
7 77 11
100 140
𝐷( 3
, 3 ) es la intersección entre las restricciones de madera y papel lija. Se resuelve de
igual manera que el punto anterior:
Tenemos
42 𝑥1 + 60𝑥2 = 4200
−42 𝑥1 − 105𝑥2 = −6300
−45𝑥2 = −2100
140
Simplificando se obtiene el valor de 𝑥2 = , tomando este valor y reemplazándolo en
3
cualquiera de las ecuaciones del sistema se halla el valor de 𝑥1 . Reemplazando en la
ecuación (1) tenemos:
140
7 𝑥1 + 10 ( 3
) = 700
Y despejando 𝑥1 se obtiene:
140
700 − 10 ( ) 700 100
3
𝑥1 = = =
7 21 3
4. El cuarto paso es evaluar la función objetivo en cada vértice del polígono. La función
objetivo es:
𝑀𝑎𝑥 𝑍 = 9000 𝑥1 + 10000𝑥2
Por lo tanto, evaluemos cada vértice en la función objetivo:
𝑍𝐴 = 9000 (0) + 10000(0) = 0
𝑍𝐵 = 9000 (80) + 10000(0) = 720.000
600 350
𝑍𝐶 = 9000 ( ) + 10000 ( ) = 809.090,9
11 11
100 140
𝑍𝐷 = 9000 ( ) + 10000 ( ) = 766.666,67
3 3
𝑍𝐸 = 9000 (0) + 10000(60) = 600.000
El mayor valor se obtiene en el punto C, por lo tanto, este problema tiene única solución,
600 350
entonces la compañía Sigma debe producir de bibliotecas y de escritorios. Con
11 11
estas cantidades de producción se halla el ingreso máximo de $809.090,9.
Estos datos indican que se consume toda la madera y todos los metros de tubo, y se
consumen 8850/11 pliegos de papel lija, es decir se usa en un 89.39%
Ejemplo 2
La fábrica de calzado "Épsilon" produce zapatos para hombre y zapatos para dama a un
costo de $20.000 cada uno de ellos. Además, se ha establecido, mediante un estudio de
mercado que habrá una venta mínima de 20 zapatos para dama y que la venta mínima entre
los dos artículos será de 50 unidades. También se sabe que hay una disponibilidad de 540
horas-hombre por semana para la producción de dichos artículos. ¿Qué cantidad de cada
tipo de zapato se debe fabricar si se sabe que producir un par de zapatos para hombre se
requieren 6 horas y un par de zapatos para dama requiere 9 horas?
Modelo matemático
Variables de decisión. La compañía debe decidir cuántos zapatos para hombre y para dama
se deberán producir con la disponibilidad horaria y demanda que tienen:
𝑥1 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑧𝑎𝑝𝑎𝑡𝑜𝑠 𝑑𝑒 ℎ𝑜𝑚𝑏𝑟𝑒 𝑎 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑟
𝑥2 : 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑧𝑎𝑝𝑎𝑡𝑜𝑠 𝑑𝑒 𝑑𝑎𝑚𝑎 𝑎 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑟
𝑠𝑖 𝑥1 = 0 ⇒ 𝑥2 = 50 ∴ (0,50)
𝑥1 + 𝑥2 = 50 ⇒ {
𝑠𝑖 𝑥2 = 0 ⇒ 𝑥1 = 50 ∴ (50,0)
𝑥2 = 20
El mínimo valor se obtiene en los puntos A y D, por lo tanto, este problema tiene múltiples
soluciones, entonces la compañía Épsilon tiene dos alternativas de producción con mínimo
costo: a) producir 30 zapatos para hombre y 20 para dama ó
b) producir sólo 50 zapatos para dama.
Con estas cantidades el costo mínimo es de $1.000.000
Estos datos indican que hay una subutilización de las H-H, pues sólo se utilizó
aproximadamente un 66,66% de la disponibilidad. Se cumplió con la demanda mínima de
zapatos para dama y con la cantidad mínima demandada entre los dos artículos que era de
50 zapatos.
Método Simplex
REGLAS DE EQUIVALENCIA
Primera regla
Maximizar CX es equivalente a minimizar –CX
Ejemplo: Max Z = 3x1 + 4x2 es equivalente a Min (-Z) = -3x1 - 4x2
O también se puede realizar a la inversa:
Minimizar CX es equivalente a Maximizar –CX
Ejemplo: Min Z = 7x1 + 9x2 es equivalente a Max (-Z) = -7x1 - 9x2
Segunda regla
Una desigualdad 𝐴𝑋 ≤ 𝐵 es equivalente a −𝐴𝑋 ≥ −𝐵
Ejemplo:
3𝑥1 + 6 𝑥2 + 4𝑥3 ≤ 150 es equivalente a −3𝑥1 − 6 𝑥2 − 4𝑥3 ≥ −150
Tercera regla
Toda restricción de la forma AX = B se puede establecer como la intersección de dos
desigualdades así: 𝐴𝑋 ≤ 𝐵 y 𝐴𝑋 ≥ 𝐵
Restricción ≥: reste una variable de exceso y sume una variable artificial para
generar el vector unitario, y penalice la función objetivo.
Restricción =: sume una variable artificial para generar el vector unitario y penalice
la función objetivo.
PASO 3. Lleve toda todos los coeficientes al tablero simplex tal como se muestra en la tabla
1.
En el CJ ubique todos los coeficientes de las variables en la función objetivo.
En el CB coloque los coeficientes de la función objetivo, pero sólo de las variables
básicas.
Ubique en la base las variables básicas, que son aquellas que generan dentro de las
restricciones los vectores unitarios. (Siempre serán las variables de holgura y las
variables artificiales)
En el XB se asignan los valores del término independiente en cada una de las
restricciones (en el tablero inicial).
Debajo de cada variable ubique el vector de cada una de ellas en las restricciones
(coeficientes de las variables en las restricciones).
PASO 4. Evalué si la solución actual es óptima. Para esto calcule los ZJ-CJ de la siguiente
manera:
𝑍𝐽 − 𝐶𝐽 = ∑𝑚𝐵=1(𝐶𝐵 𝐾𝐵 ) − 𝐶𝐽 , donde:
Los vectores 𝐶𝐵 y 𝐾𝐵 van cambiando de tablero en tablero a medida que se avanza hacia la
solución óptima del problema.
Si todos los 𝑍𝐽 − 𝐶𝐽 son mayores o iguales que cero; la solución se hace óptima.
De lo contrario continúe con el paso 5.
Tabla 1
CJ
Base XB Cociente
CB X1 X2 H1 H2 H3
ZJ - CJ Z=
PASO 5. Seleccione la variable que entra a la base: entra a la base aquella variable que tenga
el 𝑍𝐽 − 𝐶𝐽 más negativo. En caso de haber empate entre dos a más variables; el empate se
rompe arbitrariamente.
PASO 6. Seleccione la variable que sale de la base: para seleccionar la variable que
𝑋
abandonará la base aplique la siguiente regla: MIN {𝐾𝐵 } teniendo en cuenta sólo aquellos
𝐵
PASO 7. Selección del pivote: el pivote es aquella posición donde se intercepta la columna
de la variable que entra (𝐾𝐵 ) y la fila de la variable que sale.
PASO 8. Mediante operaciones matriciales entre filas convierta la posición pivote en uno.
PASO 9. Utilizando operaciones matriciales convierta las demás posiciones de vector 𝐾𝐵 en
ceros.
PASO 10. Determine nuevamente el vector 𝐶𝐵 y regrese al paso 4. Continúe con este ciclo
hasta que se den las condiciones de optimalidad que pide el cuarto paso.