Teoria 1 ALGEBRA U1 2 3 PDF

UNIVERSIDAD TECNOLOGICA NACIONAL
FACULTAD REGIONAL RESISTENCIA
LICENCIATURA EN ADMINISTRACION RURAL
Cátedra: ALGEBRA
Guía de Teoría
Teoría Prof. ESTELA B.ROBLES.
Trabajos Prácticos: Prof. Dure, Diana

FACULTAD REGIONAL RESISTENCIA ASIGNATURA : ALGEBRA
MATRICES
INTRODUCCIÓN.
Las matrices aparecieron por primera vez hacia el año 1.850 introducidas por el inglés James Joseph Silverton.
El desarrollo de la teoría se debe al matemático y astrónomo irlandés Hamilton en 1.853 y al inglés Cayley.
Este último introdujo la notación matricial para un sistema lineal de ecuaciones. Además de su utilidad para
estudiar sistemas aparecen de forma natural en geometría, estadística, economía, etc.
La utilización de las matrices constituye una parte esencial en los lenguajes de programación ya que la mayoría
de los datos se introducen en los ordenadores en tablas organizadas en filas y columnas. La utilización de
bases de datos implica el empleo de operaciones con matrices que estudiaremos en este tema.
Matriz: elementos, orden y representación
Una matriz es una ordenación rectangular de elementos, generalmente dentro de un paréntesis.

Las líneas horizontales se llaman filas y las verticales, columnas. Una matriz con m filas y n columnas se dice
que es de orden m x n. Una matriz se representa con una letra mayúscula y sus elementos, con la misma letra
en minúscula seguida de dos subíndices que indican la posición en la tabla.
Ejemplo
Observaciones:
La matriz A El elemento que se ubica en
es de orden 2 x 3 y la 1º fila y 3º columna se
tiene 2x 3 = 6 elementos denota por a y se lee a uno
tres.
Sus 6 elementos son: a11  1, a12  2, a13  3, a 21  4, a 22  7 y a23  5
Se llama matriz a un conjunto ordenado de elementos (números reales) dispuestos en m filas y n

columnas.
Representación genérica de una matriz. Una matriz de m

filas y n columnas se representa en forma genérica como o en
forma abreviada como
A  aij mxn donde i  1,2,...., m y j  1,2,.....n; A  R mxn
Existen matrices que reciben nombres especiales por tener algunas características particulares. Algunas de
ellas son:
2
Tipos de matrices Ejemplo
Matriz rectangulares:
2 0 1
Si m≠n entonces Am xn ( se lee matriz A su clase m por n) A 
2 1 1 2 x 3
Matriz cuadrada: es la que tiene el número de filas igual al de columnas.
1 4 0 
Amxn  Anxn
A  2 3 1 
Si m=n entonces
1 3 2 3 x 3
Matriz columna: es la que tiene una sola columna. 1 

A 
Si m>1 y n=1 2
Matriz fila: es la que tiene una sola fila.

Si m=1 y n>1
Matriz nula: es la que tiene todos sus elementos iguales a cero. 0 0 0 

 0 i, j C 
C es nula  aij
0 0 0 
Matriz opuesta: Dos matrices son opuestas (-A) es aquella matriz del  1 4   1  4
mismo orden cuyos elementos son iguales a los de A pero cambiado de A   A   
signos.   3 2  3  2
Dada  
A  aij mxn
se llama opuesta de A;
a  A   a  ij mxn i, j
T
Matriz transpuesta: La matriz transpuesta de A, simbolizada por A ,
 3 2
 3  1 2
 A   1 0
es la matriz que se obtiene al cambiar filas por columnas. Por tanto, si la
A 
T
matriz A es de orden m x n, la matriz AT es de orden n x m.  2 0 3  2 3
Dada  
A  aij mxn
se llama  
AT  a ji nxm
Orden A= 2x3 Orden =3x2
1 0 0 
Matriz identidad: es una matriz cuadrada simbolizada por 1 donde los I  0 1 0
elementos de la diagonal principal son iguales a 1 y los demás elementos
son iguales a cero.
0 0 1
Matrices Iguales: Dos matrices son iguales si y solo si tienen el mismo

0  1 
orden y si los elementos que ocupan la misma posición tienen el mismo A  y
valor.  2 1 / 2
0  1 
A  aij  mxn
y B  bij   mxn
, A  B  aij  bij ij B  AB
 2 1 / 2
Matriz transpuesta
3
La transpuesta de una matriz A de orden m x n es una matriz de orden n x m, denotada por A´, cuyas filas son
las columnas de A, y cuyas columnas son las filas de A. Por tanto, si
Dada: A  aij  
mxn
se llama AT  a ji   nxm
a11 a1n 
 
Amn    a i j mn

am1 a mn 

Entonces la transpuesta de A es

 a11  a1n   a11  a1n 
           ai j nm  ai j  mn
T
AT nm
am1  amn  am1  amn 
Ejemplos
  1 0 2  1 2  3
A   2 1 5  A   0
  T
1 0 
 3 0 4  2 5 4 
1 3
1 5
1 1 1 1  
B   B  1
T
3 5 2 7  2
 
1 7
Matrices cuadradas especiales
Matriz identidad o unidad: es una matriz cuadrada simbolizada por 1

1 0 0 
donde los elementos de la diagonal principal son iguales a 1 y los demás I  0 1 0
elementos son iguales a cero.
0 0 1
aij  0 i  j
A es identidad  
aij  1 i  j
Matriz diagonal: La línea formada por los elementos aij tal que i =j se
llama diagonal principal de la matriz cuadrada. Lo forman los elementos
aij  0 i  j
a11, a22 , a33 . A es diagonal  
aij  0 i  j
4
6 0 0 
aij  0 i  j
Matriz escalar: A es escalar   I  0 6 0
aij  K i  j
0 0 6
Matrices triangulares: 1 0 0 
Son aquellas matrices en que todos los elementos que están debajo o A  2 5 0 
arriba de la diagonal de la matriz cuadrada valen cero.
 0i  j 4 2  1
Superior: A es m triangular sup  aij
matriz triangula r inferior
Inferior :A es inferior  aij  0i  j
OPERACIONES ENTRE MATRICES DE IGUAL ORDEN
1. Adición de matrices
Dada:  
A  aij mxn
y B  bij mxn
donde A y B  R mxn
Se llama A  B  S
 
Si S  sij mxn
 
, con sij  aij  bij ij
La suma de dos matrices A y B es otra matriz cuyos elementos se calculan sumando los elementos de A y de B
ubicados en la misma posición. Es decir, si A y B son matrices de orden 2 x 3, se hace:
Solo se puede efectuar la adición de dos o más matrices del mismo orden y la matriz suma conserva el mismo
orden.
2. Sustracción de matrices
Dada: A  aij   mxn
 
y B  bij mxn
donde A y B  R mxn
Se llama A  B  A  ( B)  C
Si C  R mxn
Para restar la matriz B de la matriz A, a cada elemento de A se resta el elemento de 3 que está ubicado en la
5
misma posición. Así, por ejemplo, si A y B son dos matrices de orden 2 x 2 se tiene:
Al igual que en la adición de matrices, solo se puede efectuar la sustracción de matrices del mismo orden.
¡¡ La suma y diferencia de dos matrices NO está definida si sus dimensiones son distintas. !!
3. La multiplicación (o producto) de una matriz por un número real
La multiplicación de una matriz por un número real cualquiera se llama producto de una matriz por un escalar.
K  R y A  R mxn;
Se llama producto por un escalar

K . A  L / L  lij m xn
lij  Kaij i;j
Para calcular cA donde c   se multiplica cada elemento de la matriz A por c. Es decir, si A es una matriz de
orden 3 x 3, para calcular cA se hace:
Si c=-1, se tiene (-1). A = -A que se llama matriz opuesta de A.
Propiedades:
Propiedades de la suma
Ley de composición interna
A y B  R mxn, A  B  R mxn
Asociatividad
A ,B y C  R mxn,  A  B   C  A  ( B  C )
Existencia de neutro
 0  R mxn / A  0  0  A  A, A  R mxn
Existencia de opuesto
A  R mxn, ( A)  R mxn / A  ( A)  ( A)  A  0

Conmutatividad
6
A y B  R mxn, A  B  B  A
Propiedades del producto de una matriz por un escalar
Ley de composición externa
k  R, A  R mxn; k. A  R mxn
Asociatividad en el producto de escalares
k1 y k2  R; A  R mxn; (k1.k2 ). A  k1.(k2 . A)

Distributividad con respecto a la suma de escalares
k1 y k2  R; A  R mxn; (k1  k2 ). A  k1. A  k2 . A

Distributividad con respecto a la suma de matrices
k  R y A, B  R mxn; k.( A  B)  kA  kB

Neutro de los reales es neutro en la operación.
 1 R y A  R mxn;1 . A  A .1  A
4. Multiplicación de matrices
Definición
Dado A  R mxp y B  R pxq se llama AxB (en ese orden) a otra P  R m xq .
 
A  aij  
 P  pij p
i  1...m
pij   aik .bkj 
m xp m xq
B  b 
Si donde
ij pxq k 1  j  1...q
Para poder hallar el producto A x B de las matrices A y B, el número de columnas de A debe ser igual al
número de filas de B. Así, si la matriz A es de orden 2 x 3 y la matriz B es de orden 3 x 2, el producto A x B es
otra matriz de orden 2x 2, porque se consideran los números extremos de este esquema.
 En la multiplicación no se cumple la propiedad conmutativa, es decir, en general:

A B  B  A
 Si A es una matriz cuadrada, entonces, A  I  I  A  A (elemento identidad de la
multiplicación).
Ejemplo
7
Si
Para calcular el elemento c11 , se considera la 1º fila de A y la 1º columna de B. O bien: esquema ilustrado de
la operación AxB
Propiedades
Ley de composición externa
A  R mxp y B  R pxq; A . B  R mxq

Asociatividad en el producto de matrices
A  R mxn;B  R nxp;C  R pxq;(A . B) . C  A. (B .C)

Existencia del elemento Neutro
La matriz identidad es la matriz neutra en el producto de matrices.
I.A  A , A  R m xn o A.I  A A  R m xn
Existencia del inverso.
Solo existe inversa en las matrices regulares
Conformidad para el producto.

Dos matrices son conformes para el producto cuando son cuadradas del mismo orden o cuando el número de
columnas de la primera es igual al número de filas de la segunda.
A.B  B. A
El producto de dos matrices generalmente no es conmutativo.
5. División de matrices
8
La división de matrices se define como el producto del numerador multiplicado por la matriz inversa del
denominador. Es decir, sean las matrices A y B tal que A/B = AB-1:
Si una matriz está dividida entre un escalar, todos los términos de la matriz quedarán divididos por ese escalar.
Ejemplo
6. Potencia de matrices
Sea A una matriz cuadrada de orden n. Se define la potencia n-ésima de A como el resultado de
multiplicar A por sí misma n veces:
An  A. A...n veces..A
A n  ( A1 ) n n  N
A0  I
Es fácil ver que:
En caso de potencia de exponente par o impar
Más de matrices cuadradas especiales.
Matrices simétricas:
Son aquellas matrices para las que se cumple que sus transpuestas son iguales .o sea A  A
T
9
1 2 3 
 2 3
A     A T B  2 5 4  B T
 3 4  3 4 6
Matrices anti simétricas:
Es una matriz cuadrada que es igual a la opuesta de su transpuesta.
0 9 6
A  A T B   9 0  4   B T
 6 4 0 
Matriz idempotente: es una matriz cuadrada que cumple A2 = AA = A.
Matriz ortogonal: es una matriz cuadrada que cumple AAT = Im
PARTICIÓN DE MATRICES
Con frecuencia es conveniente subdividir (o particionar) una matriz descomponiéndola en sub-matrices. Éstas
se pueden considerar como escalares al efectuar operaciones sobre la matriz original. La partición o
subdivisión de una matriz se indica mediante líneas punteadas horizontales o verticales trazadas entre filas o
columnas.
Por ejemplo, la matriz A de orden m  n se puede subdividir como sigue:
A  A1 A2 

en donde A1 es de orden m  n1, A2 es de orden m  n2 , y n1  n2  n . La transpuesta de una matriz
subdividida se puede escribir en términos de las transpuestas de sus submatrices. Así pues

A 1 
A    
A 2    
Si

10
Matrices particionadas según sus filas (queda una matriz columna).
Matriz particionada según sus columnas (nos da una matriz fila)
Ejemplos
11
Ecuaciones matriciales
Los sistemas de ecuaciones lineales pueden representarse por medio de la multiplicación de matrices. Por
ejemplo, considere la ecuación matricial
El producto del lado izquierdo tiene orden 2x1, así que es una matriz columna.
Por tanto,
Por la igualdad de matrices, las entradas correspondientes deben ser iguales, de modo que obtenemos el
sistema
De aquí que este sistema de ecuaciones lineales puede definirse por la ecuación matricial (1). En general,
describimos la ecuación (1) diciendo que tiene la forma
AX=B
donde A es la matriz obtenida de los coeficientes de las variables, X es una matriz columna constituida por las
variables, y B es una matriz columna obtenida de las constantes (o términos independientes). La matriz A es
llamada matriz de coeficientes del sistema.
Ejemplo forma matricial de un sistema utilizando la multiplicación de matrices

Escribir el sistema
en forma matricial utilizando la multiplicación de matrices.

Solución: si
entonces el sistema dado es equivalente a la ecuación matricial. AX=B

o bien
12
COMBINACIÓN LINEAL – CL-
Dependencia e independencia lineal.
Sea 
A  A1 A2 ... Aj ... An  particionada según sus columnas, decimos que A es combinación
j
lineal CL de las restantes si se la obtuvo:
Aj  k1 A1  k2 A2  ...  kn An con k1 , k2 ...kn  0
Sea A j   k j A con Aj  R m x1 y k j  R
j 1
Dadas A  A1  A2 ... Aj ... An  con Aj  R mx1 y k j  R
Decimos que A es linealmente independiente si y solo si
k1 A1  k2 A2  ...  kn An  0  k j  0 , k1 , k2 ...kn  0
Decimos que A es linealmente dependiente si y solo si k1 A1  k 2 A2  ...  k n An  0  kj  0
n
A es Ld   k j A j  0,  k j  0
j 1
2 5 1 f1  f 2  2 f1  f 3

A  3 7 1 f 2  2 f1  f 3  f 2  0
1 3 1 f 3  A es ld

OPERACIONES ELEMENTALES
Son las que se realizan entre las filas o columnas de una matriz obteniéndose otra matriz equivalente.
1. Permutación de filas o columnas : Ai  Ai 1
2. Suma de dos filas (o columnas) paralelas Ai  Ai  Ai´
3. Producto de una fila por un escalar no nulo: Ai  kAi , k  0

Ejemplos:
13
Al efectuar operaciones elementales se obtienen matrices equivalentes.
Rango de una matriz
Es el número de líneas, linealmente independientes que tiene la matriz.
Del ejemplo anterior vemos:
14
DETERMINANTES y MATRIZ INVERSA
Toda matriz cuadrada A tiene asociada un número real, denominado determinante.

Toda función que asigna a cada matriz cuadrada un escalar llamado determinante de la matriz.
D : R nxn  k con k  R
R nxn R
Si A  R mxn ; se simboliza D( A)  A  det( A)
Definición:
Sea 
A  A1 A2 ... Aj ... An  una matriz cuadrada mxn, se llama determinante de A D(A) de
orden n a la función que verifica los siguientes axiomas:
Ax1:
D A1  A2 ... A j  Aj 
... An  D A1  A2 ... A j  
... An  D A1 A2 ... A j 1 ... An 
3 5
A    21  5  16
1 7 
3 4  1 3 4 3 1
1 2  5  1 2  1 5  (6  4)  (15  1)  2  14  16
 
Ax2: 
D A1 A2 ... kA j 
... An  k .D A1  A2 ... Aj ... An 
 10 1 
B    20  5  15
  5  2
 5 .2 1 2 1
5.(1)  2  5 1  2  5(4  1)  5.(3)  15
   
Ax3: D A1  A2 ... A j A´j 

... An   D A1  A2 ... A´j Aj ... An 
3 5 
A     
7 
21 5 16
1 
son opuestos
5 3
A   5  21  16 
7 1 

Ax4: D( I )  1
15
Propiedades:
1. Si dos columnas del determinante son iguales, el determinante es nulo.

D A1 A2 ... A j A´j 
... An  0  A j  A´j
Demostración por el Ax3
D A1 A2 ... A j A´j 
... An   D A1  A2 ... A´j A j ... An 
D( A)   D( A)
D( A)  D( A)  0
1.D( A)  1.D( A)  0
(1  1).D( A)  0
2. Si en un determinante una columna es nula el determinante es nula.

D A1 A2 ... 0 ... An  0 
Por Ax2 D A1  A2 ... 0 A j 
... An  0.D A  0
3. El valor de un determinante no varía si a una columna se le suma una CL de las restantes n-1 columnas.
(n  1)
D A1 A2 ... A j 
... An  D A
n
d  ( A1   k j AJ A2 ... A j ... An )  D( A)
J 2
 2 3
A   7
 1 2
 2  (6) 3  8 3
 1  (4) 2   3 2  16  9  7
   
4. Si en un determinante las columnas son Ld es el determinante es nulo.
D A1 A2 ... A j 
... An  son Ld  D  A  0
15 5
Si A  105  105  0
21 7
3 .5 5 5 5
A 3  3 .0  0
7. 3 7 7 7
5. D( A)  D( AT )
6. D( A.B)  D( A).D( B)
Valor de un determinante.
Sea la matriz cuadrada de dimensión n =2 o 2x2 dada por
16
a11 a12
n2 A
a21 a22
det A  A  a11.a22  (a21.a12 )
a11 a12 a13

n 3 A  a21 a22 a23
a31 a32 a33
a11 a12 a13

A  a21 a22 a23  a11a22a33  a21a32a13  a31a12a23  (a13a22a31  a11a23a32  a12a21a33 )
a31 a 32 a33
Podemos observar que en cada producto hay un factor por cada fila y columna; además la mitad de los
productos tienen signo más y la otra mitad signo menos. Para recordar estos productos que nos dan el valor
del determinante de orden 3, se utiliza la siguiente regla:
Esta regla se conoce con el nombre de Regla de SARRUS.

Otra forma de recordar los productos del desarrollo de un determinante de orden tres seria la siguiente:
(Ver guía de TP)

Ejemplo
17
Menor complementario de un elemento.

Sea  
A  aij mxn
una matriz cuadrada A de orden n, definimos el menor complementario M (aij ) de un
elemento de A, aij , como el determinante de la matriz que se obtiene al suprimir la fila i y la columna j en la
que se encuentra dicho elemento aij . Se representa por M (aij )
También se llama menor complementario del elemento , y lo representamos M (aij ) al determinante de la
matriz cuadrada de orden n-1 que resulta de eliminar de la matriz A la fila i y la columna j.
Dada la matriz cuadrada de orden 5:
El menor complementario del elemento , será M (a23 )
El menor complementario del elemento , será: M ( a 22 )
Ejemplo: Queremos calcular el menor complementario a23 . Para ello debemos eliminar la fila 2 y la columna
3, y calcular el determinante de la submatriz resultante.
18
 Adjunto de un elemento ( suele denominarse cofactor)

Se llama adjunto del elemento y se representa al determinante del menor complementario que resulta
al atribuir el signo:
Cuando ( i+j) es par el signo es (+)
Cuando ( i+j) es impar el signo es (-)
Dada la matriz cuadrada de orden 5:
El adjunto del elemento , será :
y el adjunto del elemento , será :
Ejemplo: Calculamos el adjunto del elemento a12 en la matriz A
19
3 5
Primero calculamos el menor complementario a12  a12   6
6 8
Finalmente comprobamos si hay que cambiar el signo. Como la suma de subíndices (1+2) es impar,
cambiamos el signo A12  (6)  6
 Matrices regulares y singulares
Decimos que A es regular  su A 0

Decimos que A es singular  su A 0
 adjunto de un elemento: Aij  (1)i  j M (aij )
Desarrollo de un determinante por los elementos de una línea
Consideremos el desarrollo del determinante de orden 3:
a11 a12 a13

A  a21 a22 a23  a11a22a33  a21a32a13  a31a12a23  (a13a22a31  a11a23a32  a12a21a33 )
a31 a 32 a33
Si sacamos factor común los elementos de una fila o columna (p.e. los elementos de la primera fila) nos queda:
A  a11a22a33  a21a32a13  a31a12a23  a13a22a31  a11a23a32  a12a21a33 ) 

 a11 (a22a33  a23a32 )  a12 (a31a23  a21a33 )  a13 (a21a32  a22a31 )
El contenido de cada uno de los paréntesis del desarrollo anterior coincide con el desarrollo de un determinante
de orden 2 y podríamos expresarlo de la forma:
20
Este resultado podemos generalizarlo para el determinante de una matriz cuadrada de cualquier orden de la
siguiente forma:
El determinante de una matriz cuadrada es igual a la suma de los elementos de una fila o columna
cualquiera, multiplicados por sus adjuntos correspondientes.
Con esta regla se rebaja el orden del determinante que se quiere calcular a una unidad menos. Para evitar
muchos cálculos conviene que la fila o la columna por la que desarrollemos tengan el mayor número de ceros
posibles y, si no es así, se pueden hacer por el método de reducción aplicando las propiedades de los
determinantes.
Ejemplo: Calcular el siguiente determinante desarrollando por los elementos de la primera fila:
1
Propiedades de los determinantes
1. El determinante de una matriz cuadrada A es igual que el determinante de su traspuesta.

D( A)  D( AT ) .Esta propiedad nos indica que todo lo que pudiéramos decir para filas, también sería
válido para las columnas.
2. Si permutamos entre sí dos filas (o columnas) de una matriz, el determinante cambia de signo, sin variar su
valor absoluto.
3. Si todos los elementos de una fila (o columna) de una matriz cuadrada son ceros, el determinante de dicha
matriz es cero.
4. Si una matriz cuadrada tiene dos filas (o columnas) iguales, entonces su determinante vale cero.
5. Si una matriz cuadrada tiene dos filas (o columnas) proporcionales, su determinante vale cero.
6. Si los elementos de una fila (o columna) de un determinante se multiplican por un número, el determinante
queda multiplicado por dicho número.
7. Si una fila (o columna) de una matriz cuadrada es combinación lineal de dos o más filas (o columnas),
entonces el determinante de la matriz vale cero.
8. El determinante de una matriz cuadrada no cambia si se sustituye una fila (o columna) por una
combinación lineal de ella con las restantes filas (o columnas). Aplicando esta propiedad de forma
reiterada, el determinante de una matriz cuadrada se puede convertir en otro del mismo valor que el dado,
de tal forma que, todos los elementos de una fila (o columna) elegida, sean cero, excepto uno de ellos.
9. El determinante de una matriz triangular o diagonal es igual al producto de los elementos de la diagonal
principal.
1
Muchas de estas propiedades ya fueron o van a ser demostradas.
21
10. Si cada elemento de una fila (o columna) de una matriz cuadrada se escribe como suma de dos
sumandos, el determinante de dicha matriz es igual a la suma de dos determinantes que tienen iguales
todas las filas (o columnas), salvo la que se haya descompuesto, en la que el primer determinante tiene los
primeros sumandos y el segundo determinante los segundos sumandos.
A continuación veremos algunas propiedades de los determinantes que sirven para calcular más fácilmente el
determinante de ciertas matrices cuadradas:
Propiedades Ejemplos
3 2   3 1
El determinante de una matriz A   ,  AT    y det (A)  det (AT ) 
cuadrada es igual al de su 1 5 2 5
15  2  13
transpuesta.
0 0 0 
Si una matriz cuadrada tiene todos B  4  1 2  det(B)  0
sus elementos de una fila o una
columna iguales a cero, entonces el 3 5 1
determinante de dicha matriz vale
cero.
Si una matriz cuadrada tiene dos filas

2 1  2 1
o dos columnas iguales o C     det( C )  2.3  1.6  0
proporcionales, entonces el 6 3 2.3 1.3
determinante de dicha matriz es = 0
5 3 5 3
M    det (M)     20  6  14
Si se multiplican todos los elementos  2 4  2 4
de una fila (o una columna) de una
matriz por un número, el determinante 3.5 3.3 15 9 
y det (M´)     42  3.14
de la nueva matriz es igual al
producto de ese número por el 2 4   2 4
determinante de la matriz original.  det (M´)  3. det (M)
6 1 6 1
N    det (N)     18  3  15
Si se cambia el orden de dos filas o
3 3 3 3
dos columnas de una matriz, el
determinante cambia de signo con 1 6 1 6
respecto al determinante de la matriz y N´     det( N ´)     3  18  15
original. 3 3 3 3
Determinaste de una matriz

triangular: det A  A  a11.a22.a33....ann
Si A es una matriz triangular de orden
n ,entonces su determinantes es el
producto de los elementos de la
diagonal principal, esto es: det A
Resumiendo: Sean A y B dos 1.- Si B fue obtenida a partir de A al intercambiar dos filas o columnas :
matrices cuadradas: det(B)=-det(A)
2.- Si B fue obtenida a partir de A al sumar o multiplicar dos filas o columnas

de A en otro de A : det(B)= det(A)
3.- Si B fue obtenida a partir de A al multiplicar dos filas o columnas de A por

una constante distinta de cero : det(B)= c. det(A)
22
MATRIZ ADJUNTA
Consideremos una matriz n-cuadrada  regular. El adjunto de A, denotado por Adj A, es la traspuesta
A  aij
de la matriz de cofactores de A:
a11 a12 a13 a11 a21 a31 A11 A21 A31

A  a21 a22 a23 AT  a12 a22 a32 Adj(A)  A12 A22 A32
a31 a32 a33 a13 a23 a33 A13 A23 A33
Como ya hemos visto, se verifica que la suma de los productos de los elementos de una fila (o columna)
por sus adjuntos es igual al determinante de la matriz.
Sin embargo, la suma de los productos de los elementos de una fila (o columna) por los adjuntos de una
fila (o columna) paralela a ella es igual a cero, ya que sería igual al desarrollo de un determinante que
tendría dos filas (o columnas iguales).
Aplicando estas dos afirmaciones podríamos demostrar que el producto de una matriz cuadrada por la
traspuesta de su adjunta es una matriz escalar con valor constante igual al determinante de la matriz.
Ejemplo
Los cofactores de los nueve elementos de A son:
La traspuesta de la matriz de los cofactores anteriores proporciona el adjunto de A:
Propiedades de los adjuntos
A 0 0 1 0 0
A. AdjA  0 A 0  A0 1 0
0 0 A 0 0 1
A. AdjA  A .I
23
Matriz inversa
Dada A una matriz cuadrada regular admite inversa A

1
 A. A1  A1. A  I
1
Entonces la matriz A se llama matriz inversa de A y se simboliza por A .El -1 no se debe entender como
exponente.
Solo admiten inversas o son inversibles  A 0
No todas las matrices tienen inversa. Para que una matriz A admita inversa tiene que ser regular.
Propiedades
1. Unicidad: A regular  una unica A-1
Demostración:
Sea A regular
Suponemos que  A-1 y C que verifican
A. A1  A1. A  I y A.C  C. A  I
Tomo
A1. A  I y multiplico por C
A1.( A.C )  ( I .C ) asocio
A1.I  I .C por ser I neutra
A1  C A1 es única
2. Sean A y B regulares
( A.B) 1  B 1. A1
3. A es regular : ( A1 ) 1  A
1
Obtención de A
Por determinantes: Según hemos visto, el producto de una matriz cuadrada por la traspuesta de su adjunta es
una matriz escalar con elemento constante igual a A . Podríamos escribir:
Por definición de inversa  A. A1  A1. A  1 (1)
Por propiedaddes de los adjuntos  A. AdjA  A .I (2)
Por 1 y 2 ; A. A1  I
A. AdjA  A .I
A. AdjA A .I A. AdjA
  I (3)
A A A
24
Por 1 y 3
A. AdjA
A. A1 
A
A1 
 AdjA
A
La matriz de A es la misma, el producto de matrices es único y la inversa se una matriz es única.
Resumiendo: La adjunta de una matriz cuadrada A, denotada por adj A, es la transpuesta de la matriz que se
obtiene reemplazando cada elemento aij de A, por su cofactor cij . Es decir, es la transpuesta de la matriz de
adjA  Cij 
T
cofactores [ cij ] . La adjunta es :
A  0  A1 y
adjA
Se puede demostrar que si :
A1 
A
Para calcular la matriz inversa por este método daremos los siguientes pasos:
1. Calculamos el determinante de la matriz A. Si éste es igual a cero no existirá matriz inversa.

2. Calculamos la matriz adjunta de A
3. Trasponemos la matriz anterior: (Adj A)T
4. Dividimos por | A | (dividimos cada uno de los elementos de la matriz).
Ejemplo
de una matriz A de orden 2
a b  1  d  b
A    y a.d  cb  0, Entonces la matriz inversa de A es A 1   
c d  ad  cd   c a 
En el caso en que ad -cb = 0, la matriz A no tiene inversa.
1 3 
Si A    , para obtener A1 se aplica la formula:
1 5 
1  5  3  1  5  3   2,5  1,5 
A 1      
1.5  1.3   1 1  2   1 1    0,5 0,5 
Prueba:
1 3   2,5  1,5   1.2,5  3(0,5) 1.(1,5)  3.0,5   1 0 

A  A 1              I
1 5    0,5 0,5  1.2,5  5.(0.5) 1.(1,5)  5.0,5   0 1 
25
O bien se puede hacer:
2a  3c  1

 2 3  a b  1 0 2b  3d  0 1 2
         c   d   Prueba:
 1 0   c d  0 1 1.a  0.c  0  a  0 3 3

1.b  0d  1  b  1
 2 3   0 1  1 0  0 1   2 3  1 0
    1 2     1 2 
   0 1     1 0  0 1 
  3
1 0
3    3 3   
   
A I A I
A1 A1
Otra forma de calcular la matriz inversa:
DEFINICIÓN
La adjunta de una matriz cuadrada A, denotada por adj A, es la transpuesta de la matriz que se obtiene
reemplazando cada elemento aij de A, por su cofactor cij . Es decir, es la transpuesta de la matriz de
adjA  Cij 
T
cofactores [ cij ]. La adjunta es:
A  0  A1 y
adjA
Se puede demostrar que si:
A1 
A
Ejemplo
2  1 3   5 6 5
A  3 0  5  0 19 
1
Por ello A1 siendo: adjA    19

A
Determinar 
2 1 A  38  0
3   3  4 3 
 5 4 5
  19 0 19   5 4 5  5 3 5
   38 38 38   38 19 38 
adjA  3  4 3    19 0 19   1 1
A1       0 
A 38  38 38 38   2 2
 3 4 3  3 2 3

 38 38 38   38 19 38 
26
SISTEMAS DE ECUACIONES LINEALES-SEL-
En general, un sistema con m ecuaciones lineales y n incógnitas puede ser escrito en forma normal como:
a11 x1  a12 x 2  .....  a1n x n  b1

a x  a x  .....  a x  b
 21 1 22 2 2n n 2
......
S :
a i1 x1  a i 2 x 2  .....  aij x j  bi
.......

a m1 x1  a m 2 x 2  .....  a m n x n  bm
m
Generalizando: S   aij  bij con j  1....n
i 1
 Aij : Coeficient es

En cada ecuación Aij x j  bij   x j : incógnitas  indertermi nada  variables

bij : término independie nte
si m  n el sistema es rectangula r


Clasificación: S : si m  n el sistema es cuadrado
si b  0 el sistema es homogéneo
 i
Notación o expresión matricial:
Es posible reescribir el sistema separando con coeficientes con notación o expresión matricial A.X=B
Matriz ampliada
La matriz ampliada A/B de un sistema de m ecuaciones con n incógnitas es la siguiente:
a11 a12 ... a1n b1
a21 a22 ... a2 n b2
A/ B 
... ... ... ... ...
am1 a m 2 ... am n bm m.( n 1)
27
Cada fila de A corresponde a una ecuación del sistema y cada columna a los coeficientes de una
incógnita, excepto la última, que corresponde a las constantes del sistema.
Un sistema de ecuaciones lineales puede resolverse trabajando con su matriz ampliada, específicamente,
reduciéndola a forma escalonada mediante el proceso de Gauss.
Teorema de Rouché-Frobenius
Este teorema nos permite calcular el número de soluciones de un sistema de ecuaciones lineales en función
del rango de la matriz de coeficientes y del rango de la matriz ampliada asociadas al sistema.
Decimos que un sistema de ecuaciones A.x=B es compatible (tiene solución) si y solo si el rango de la matriz
de los coeficientes es igual al rango de la matriz ampliada, y si el rango es igual al número de incógnitas el
sistema tiene solución única.
Definición: Un sistema de ecuaciones lineales se dice que es un sistema incompatible si no tiene solución. Por
el contrario se dice que es un sistema compatible si tiene alguna solución En este último caso solo caben dos
posibilidades: o bien el sistema tiene una única solución, y en este caso se dice que es un sistema compatible
determinado, o bien tiene infinitas soluciones, llamándose un sistema compatible indeterminado
28
A.x  B
 (Rango)
 
 ( A)   ( A / B)  ( A)   ( A / B)
 
Sis. Incompatible Sis.Compatible  Com. determinad a  ( A)   ( A / B)  n  Solución
  Única
Sin solución  ( A)   ( A / B)  n

Compatible Indetermin ada ( soluciones)
Si el sistema es : Ax  0  Sistema Homogéneo (SH)

 (A)   (A/0)  SH Siempre tiene solución.
Si : a) ρ)  ρ(A/ 0 )  n  SH Compatible determinad o (solución unica o trivial)
b) ρ)  ρ(A/ 0 )  n  SH Compatible Indetermin ado ( soluciónes )
Sistemas equivalentes: dos sistemas son equivalentes cuando tienen la misma solución.
Teorema fundamental de equivalencia
En un sistema de ecuaciones se puede sustituir una ecuación por una combinación lineal de las restantes,
obteniendo un sistema equivalente al dado.
 A1  B1
A  B
 2 2
Sea: S
....
 An  Bn

S´: k1 A1  k 2 A2  ...  k m Am  k1 B1  k 2 B2  ...  k m Bm 

A2  B2 

S´ S
.......... 
Am  Bm 
Operaciones entre ecuaciones
1. Permutación de ecuaciones.
2. Multiplicación de una ecuación por un escalar no nulo.
3. Suma de dos ecuaciones.
4. Eliminar las ecuaciones triviales del tipo 0 = 0, las ecuaciones repetidas o las proporcionales.
29
El método de Gauss para la resolución de un sistema de ecuaciones se basa en construir un sistema

equivalente más sencillo que el inicial mediante el uso de operaciones elementales. En concreto el objetivo es
transformar, por equivalencia por filas, la matriz asociada al sistema en una escalonada
MÉTODO DE GAUSS
El método de Gauss se utiliza para resolver sistemas de ecuaciones Lineales. A partir de La matriz ampliada
del sistema, se realiza una serie de operaciones con sus filas hasta transformar La matriz no ampliada en otra
triangular superior, que está asociada a un sistema equivalente al original. Las operaciones que se pueden
realizar son multiplicar una fila por un número y sumar filas.
Ejemplo
Para resolver el sistema
Utilizamos el método de Gauss de La siguiente manera:
30
Recordar:
31
Teorema y regla de Cramer.2
Sea un sistema cuadrado de ecuaciones lo llamamos Crameriano si y solo si la matriz de los coeficientes tiene
su determinante distinto de cero.
Un sistema de ecuaciones lineales se dice que es un sistema de Cramer si es un sistema compatible

determinado de n ecuaciones con n incógnitas. O equivalentemente, si la matriz del sistema A es una matriz
cuadrada regular.
Es posible dar la solución de un sistema de Cramer mediante determinantes. De hecho, un sistema de Cramer
genérico viene dado por:
a11 x1  a12 x 2  .....  a1n x n  b1

a x  a x  .....  a x  b
 21 1 22 2 2n n 2
......
S :
a i1 x1  a i 2 x 2  .....  aij x j  bi
.......

a m1 x1  a m 2 x 2  .....  a m n x n  bm
Expresado matricialmente
A.x  B Si A 0 decimos que admite solución UNICA.
A.x  B; A  0  A1 I .x  A1.B

Si el sistema por definición de inversa:
A1. A.x  B. A1 Por I nuetro : x  A1.B
Regla de Cramer.
En el caso de sistemas que cumplan las mismas condiciones que los del anterior apartado, es decir, que sean
cuadrados y tales que su matriz de coeficientes tenga inversa (los sistemas que cumplen estas dos condiciones
se llaman sistemas de Cramer), se puede aplicar una regla muy sencilla para calcular la solución y que se basa
en los determinantes, conocida como regla de Cramer.
Si det(A) es cero, evidentemente la regla no se puede aplicar.
La regla de Cramer:
Para un sistema de Cramer (cuadrado y con matriz regular) se verifica que la incógnita número k se calcula
dividiendo entre el determinante de A el determinante que resulta de sustituir la columna k (correspondiente al
lugar que ocupe la incógnita que se está calculando) por la columna de términos independientes.
2 La regla de Cramer es un teorema del álgebra lineal que da la solución de un sistema lineal de ecuaciones en términos
de determinantes. Recibe este nombre en honor a Gabriel Cramer (1704 - 1752), quien publicó la regla en su Introduction à
l'analyse des lignes courbes algébriques de 1750, aunque Colin Maclaurin también publicó el método en su Treatise of
Geometry de 1748 (y probablemente sabía del método desde 1729). 1
32
Es decir si A.x  b es un sistema de ecuaciones, A es la matriz de coeficientes del sistema,

x  ( x1....., xn ) es el vector columna de las incógnitas y b es el vector columna de los términos
independientes. Entonces la solución del sistema presenta así:
det( A j )
xj  . Donde Aj es la matriz resultante de reemplazar la j-esima columna de A por el vector
det( A)
columna b.
Ejemplo
Resolver el sistema
Como el sistema es de Cramer puesto que det(A) = −49, aplicamos la regla de Cramer: Para x sustituimos la
primera columna por la de términos independientes pues x es la primera incógnita:
S= (1,7,-2)
Sistemas Homogéneos (SELH).
Un sistema homogéneo es aquel que tiene todos los términos independientes nulos. A.x  0
Cualquier sistema homogéneo es evidente que es compatible, pues dando a cada incógnita el valor 0, se
cumplen las ecuaciones. Esta solución (que todas las incógnitas sean nulas) se llama solución trivial.
El problema entonces esta en determinar si dichos sistemas son compatibles determinados o indeterminados.
Aplicando el Teorema de Rouché-Frobenius solo podemos tener dos casos:
Decimos que siempre el sistema homogéneo tiene solución, porque siempre el rango de la matriz de
los coeficientes es igual al rango de la matriz ampliada, si a su vez el rango es igual al número de
33
incógnitas decimos que el sistema homogéneo es compatible y determinado de solución única que es
la trivial (todas las incógnitas valen cero). Rg (A) = n .
Si por el contrario el rango es distinto al número de incógnitas tiene infinitas soluciones.
Rg(A) < nº
Sistemas homogéneos cuadrados:

1) Si A  0 , el sistema homogéneo es Compatible determinado con solución única: S= (0, 0,0).
2) Si A  0 , el sistema homogéneo es compatible indeterminado.
3 x  2 y  z  0
 x  y  3z  0

Ejemplo: 
2 x  y  6 z  0
  y  2 z  0
3 2 1 3 2 1 0
1 1  3 1 1  3 0
A A/ B 
2 1 6 2 1 6 0
0 1 2 0 1 2 0
Resolviendo por cualquier método queda:
 ( A)  3  
S .Compatible 
 ( A / B)  3 

 ( A)  3 
S .C.Solucion única 
n3  
3 x  2 y  2  0

 y  10 z  0  S  (0,0,0)
54 z  0

Interpretación geométrica de los Sistema de ecuaciones lineales.
Como cada ecuación lineal con 3 incógnitas corresponde a un plano en el espacio, la solución del sistema
corresponderá a la posición en que dichos planos este en el espacio.
Lo más sencillo es saber que ocurre con los planos 2 a 2, pues en el espacio dos planos solo pueden estar en
3 posiciones:
Son coincidentes: Lo cual es fácil de saber porque sus correspondientes ecuaciones tienen coeficientes de las
incógnitas y los términos independientes proporcionales, es decir, si los planos son:
Son paralelos: También es sencillo de saber porque los coeficientes de las incógnitas son proporcionales, pero
los términos independientes NO. Es decir, en este caso:
Son secantes: Simplemente los coeficientes no son proporcionales, es decir:
Puesto que podemos determinar la posición de los planos 2 a 2, podemos determinar en qué posición se
encuentran los 3 a la vez, fijándonos en los casos:
34
1) Si el sistema es S.C.D. (Solución única), es que los tres planos se cortan en un punto, que es la
solución del sistema.
2) Si el sistema es S.C.I. (Infinitas soluciones), puede ocurrir que:

a) Los tres planos se corten en una recta.
b) Dos planos son coincidentes y el otro los corta en una recta.
c) Los tres planos son coincidentes.
3) Si el sistema es S.I. (Sin solución), puede ocurrir que:

a) Los planos se cortan dos a dos.
b) Dos planos son paralelos y el otro los corta.
c) Los tres planos son paralelos.
d) Dos planos son paralelos y el otro coincidente con uno de ellos.
Estudiar el sistema e interpretarlo geométricamente
2 x  y  z  6

3x  y  z  5
4 x  2 y  2 z  1

35
2 1 1  6 2 x  y  z  6

A / B  3  1 1  5  Sist.equivalente 5 y  5 z  8
4 2  2 1 0  11

Lo que indica que el sistema es incompatible y por tanto no tiene solución, los planos no tienen puntos
comunes.
Si estudiamos la posicón de los planos 2 a 2, se obtiene que el primero y el segundo tienen
coeficientes que no son proporcionales, luego se cortan.
El primero y el tercero tienen coeficientes proporcionales pero no los términos independientes,
luego son paralelos.
Y el segundo y el tercero no tienen coeficientes proporcionales, por lo que se cortan.
Concluimos por tanto que los planos primero y tercero son paralelos y son cortados por el segundo
plano, esta es la interpretacion geométrica:
Programa:
http://www.microsoft.com/es-ar/download/details.aspx?id=15702
36
Ejemplo problemas de aplicación:
37
PROCEDIMIENTO GAUSSIANO
Por varios temas : resolución de un determinante de orden n, rango de una matriz ,resolución de sistemas
de ecuaciones , es importante dominar un procedimiento llamado gaussiano, por ahora lo vemos como
procedimiento luego lo justificaremos.
El procedimiento gaussiano se basa en transformaciones elementales, es por eso que indistintamente

diremos: aplicando Gauss o transformaciones elementales.
Una matriz cuadrada de orden tres , es un cuadrado de números dispuestos en tres filas y columnas.
a b c
d e f  el procedimiento gaussiano transforma cualquier matriz en otra matriz del tipo<.
 
g h i 
a b c
0 e f  llamada triangular( debajo de la diagonal principal ceros).
 
0 0 i 
a b c
0 e f
 
0 0 i 
38
Al serolver dichos determinantes obtenemos:
Veamos un ejemplo
Dada la matriz
2 2 1
 3 1 3
  Aplicamos el procedimiento gaussiano, elegimos como pivote el elemento de la 1ra.fila y
4 2 1
primera columna.
39
No es necesario escribir los determinantes, una vez que se tiene practica el procedimiento se reduce a:
Denominamos tabla de Gauss.
SISTEMA DE ECUACIONES LINEALES –SEL-
Ahora trabajaremos con SEL (complementar con el marco teórico)
Para sistemas Crameriano
40
Si A es cuadrada y A    0  A es regular
Aplicar la regla de Cramer para resolver el sistema:
2x  y - 3z  0  2 1  3  x  0

a ) 4x  5y  z  8 Matricial :  4 5 1 . y   8
    
- 2x - y  4z  2 - 2  1 4   z  2

Procedimiento Gaussiano
La columna Σ (control) sirve para verificar si las transformaciones elementales que hemos hecho a las
ecuaciones filas del sistema sean las correctas.
Se procede:
a) En el sistema dado se suman algebraicamente los coeficientes de las incógnitas de cada ecuación fila.
b) Después de realizadas las operaciones elementos, la suma algebraicamente los coeficientes de cada
una ecuación fila debe sr igual al correspondiente transformado de la columna Σ ,esto indica que le
procedimiento fue correcto.
Retomamos el ejemplo anterior donde iniciamos la explicacion del procedimiento, lo convertiremos en un SEL
a)
41
2x  2y  z  1

3x  y  3z  -1
4x  2 y  1z  1

2 2 1  x   1 
1)Matricia l A.X  B :  3 1 3 . y     1
    
4 2 1  z   1 
2 x  2 y  z  1 (1)

Sistema equivalent e :  -4 y  3z  -5 (2)
 20 z  12
 (3)
b) Análisis de rango:  A   A/B  n  3 Sistema compatible determinado( n:números de incógnitas)
c) Resolución del sistema equivalente:
2 x  2 y  z  1 (1)

 -4 y  3z  -5 (2)
 20 z  12
 (3)
- 12 3 3
de(3) z  z
20 5 5
 3 9
de( 2)  4 y  3z  5  4 y  3    5  4 y    5
 5 5
16 16 4
 4y    y  
5 20 5
 4   3
de(1)  2 x  2 y  z  1  2 x  -2 y-z  1  2 x  -2       1
 5  5
2x  0  x  0
 4 3  
S   0; ;  
 5 5  
42
Pagina interesante para verificar resultados.
http://es.onlinemschool.com/math/assistance/equation/combined_equations/
Ejercicios resueltos .
Dado los siguientes sistemas de ecuaciones
1) Expresarlo en forma matricial
2) Resolverlo
3) Clasificarlo mediante el teorema de Rouche Frobenuis.
3x  y  z  -1  3  1 1   x    1

I) 9x  2y  z  -9 1)Matricia l A.X  B : 9  2 1 . y     9
    
3x  y - 2z  -9  3 1  2  z    9

Sistema equivalente
43
3x  y  z  -1 1)
 36
 3y  6z  -18 2)  3) 9z  36  z  4
 9
 9z  36 3)
se reemplaza z  4 en 2) 3 y-6 z  -18  3 y-6.4  -18
3y - 24  -18  3y  -18  24  6
6
y 2 y 2
3
reemplazo en 1) 3x-y  z  -1  3x  2  4  1  3x  2  1
3x  3  x  1
S  ( 1,2,4)
3)RgA=3 y RgA/B=3 rango es igual a 3 ( se usa Rg; r o ρ todo simboliza al rango)

El número de incógnita n=3 n=r=3 SCD
x  0 y  z  4 1 0 1  x   4

II ) 2x  y  0z  3 1)Matricia l A.X  B : 2 1 0. y    3
    
3x  y  z  7
  3 1 1  z  7
x  z  4
Sistema equivalent e :    A   A / B  2  n  3  SCI
 y-2 z  -5
Sistema compatible indeterminado.
44
x  z  4 (1) 
 
 y-2 z  -5 ( 2) S  se verifica z  R
 0z  0 (3)  Sistema compatible indetermin ado 
 
de(1)  x  4  z
de( 2)  y  5  2 z S  4  z,  5  z , z / z  R 
Si le damos valores
z  R donde   1 la solución es : S  4   ,  5  2 ,  /   R 
x  z  2 x  0 y  z  2
 
III ) 2 x  y  0  completamo s : 2 x  y  0 z  0
 
 y  2z  2 0 x  y  2 z  2
2 x  z  2

Sistema equivalent e : -y  2 z  -4
0 z  2  Sistema incompatib le (SI)

S  SISTEMA INCOMPATIBLE
S 
SEL HOMOGENEAS –SELH-

Vamos a trabajar con las mismas ecuaciones pero con sistemas homogéneos asociados.
Para un sistema homogéneo la expresión matricial es :
2 2 1  x  0
A.X  0 : ejemplo :  3 1 3 . y   0
    
4 2 1  z  0
45
Donde el conjunto solución es: S H  X / A.X  0 el sistema compatible determinado solo admite
solución trivial , es decir x = y = z = 0
3x  y  z  0  3  1 1   x   0

I ) 9x  2y  z  0 1)Matricia l A.X  0 : 9  2 1 . y   0
    
3x  y - 2z  0 3 1  2  z  0

La resolución es la misma que el ejercicio anterior no cambia el sistema equivalente.

Se puede trabajar directamente con el sistema equivalente donde bi =0
3x  y  z  0 1)

 3y  6z  0 2)  SH  siempre es compatible
 9z  0 3)

 A   A /B  3  es Determin ado  la solucion es la trivial
S H  (0,0,0)
x  0 y  z  0  1 0 1   x   0

II ) 2x  y  0z  0 1)Matricia l A.X  0 : 2 1 0. y   0
    
3x  y  z  0  3 1 1  z  0

x  z  0 (1)

 y-2 z  0 (2)  SH : Sistema siempre compatible
ρ A  ρ A/B  2  n  2
de(1)  x   z
de(2)  y  2 z con z  λ  R S -z , 2 z , z 
S - , 2 ,  
46
x  z  0 x  0 y  z  0
 
III ) 2 x  y  0  completamo s : 2 x  y  0 z  0
 
 y  2z  0 0 x  y  2 z  0
2 x  z  0 (1)

Sistema equivalent e : -y  2 z  0 ( 2)  Homogéneo : siempre compatible
0 z  0

 A   A / B  2 y n  3    n  Indetermin ado S  
z
de(1) z  2 x  x 
2
de(2) 2 z  y
 z 
S   , 2 z , z   SCI
 2 
Cuando se pidan los ejercicios seria:

a) Escribirlo en forma matricial
b) Obtener el sistema equivalente
c) Hallar el conjunto solución
d) Clasificarlo
e) Resuelve el sistema homogéneo asociado.
47
INECUACIONES
En la vida cotidiana utilizamos desigualdades. Al planear una compra, ya sea de una prenda de vestir, un
regalo o un automóvil, no determinamos previamente cuánto vamos a gastar con exactitud, establecemos
límites para ese gasto.
Por ejemplo, la expresión “voy a comprar una remera, pero sólo tengo $30”, si llamamos x al precio,
equivale a la desigualdad: x < 30.
O bien, “compraremos un regalo, podemos gastar entre $30 y $50’ llamando x al precio, equivale a la
desigualdad: 30 < x < 50.
Las inecuaciones son desigualdades que contienen incógnitas

Las desigualdades que contienen variables se llaman inecuaciones.
Las expresiones algebraicas que están formadas por desigualdades, reciben el nombre de inecuaciones. En
ellas también puede haber una o más variables.
A diferencia de las ecuaciones que se traducen mediante igualdades, las inecuaciones se traducen
mediante desigualdades, es decir que ambos miembros estarán relacionados por medio de los signos mayor
(>) , mayor o igual   , menor (<) o menor o igual   .
DESIGUALDADES LINEALES
Objetivos:
Resolver desigualdades lineales con una variable e introducir la notación de intervalos.
De los números reales: “El triple de un número real disminuido en cuatro

Ejemplo unidades es menor que diecisiete. ¿Qué números verifican este enunciado?
3x - 4  17
21
3x  17  4  x  x7
3
Como estamos trabajando en los 3 números reales, el conjunto solución es un intervalo S  (;7)
¿Qué significa resolver una inecuación?
Encontrar el conjunto de todos los valores que la

satisfacen.
Propiedad de monotonía: si se suman miembro
a miembro una desigualdad y una igualdad, se
Por lo que hemos visto hasta ahora, parecería que se resuelven obtiene otra desigualdad del mismo sentido que la
como las ecuaciones. Sin embargo, no es así; el procedimiento dada. En símbolos:
es parecido pero no exactamente igual. Es cierto que si a ambos a b y c  d  ac bd
miembros de una desigualdad se les suma o resta lo mismo, se Análogamente, si se restan miembro a miembro
obtiene una desigualdad del mismo sentido que la dada. una desigualdad y una igualdad, se obtiene otra
desigualdad del mismo sentido que la dada. Es
Esto también ocurre si se multiplican o dividen ambos miembros decir a  b y c  d  ac  bd
por un número positivo. En cambio, si se los multiplica o divide
por un número negativo, la desigualdad se invierte, porque se
está cambiando el signo de los dos miembros.
48
Suponga que a y b son dos puntos sobre la recta de los números reales. Entonces, a y b coinciden, a se
encuentra a la izquierda de b, o a se encuentra a la derecha de b (véase la fig. ).
Posiciones relativas de dos puntos.
Si a y b coinciden entonces a  b . Si a se encuentra a la izquierda de b, decimos que a es menor que b y

escribimos a  b , en donde el símbolo de desigualdad se lee “es menor que”.
Por otra parte, si a se encuentra a la derecha de b, decimos que a es mayor que b y escribimos a  b .
Los enunciados a  b y b  a son equivalentes.
Otro símbolo de desigualdad,  , se lee “es menor o igual a” y se define como: a  b si y sólo si a  b o .
a b.
De manera semejante, el símbolo  está definido como: a  b si y sólo si a  b o . a  b .En este caso
decimos que a es mayor o igual a b.
Usaremos las palabras números reales y puntos de manera indistinta, ya que existe una correspondencia uno a
uno entre los números reales y los puntos que están sobre una recta. Así, podemos hablar de los puntos y 9, y
escribir y (véase la fig. ). Claramente, si a 7 0, entonces a es positivo; si a 6 0, entonces a es negativo.
Puntos en la recta numérica .(fig1)
Suponga que a  b , y x está entre a y b . Entonces no sólo a a  x , sino también x  b . Indicamos esto
escribiendo a a  x  b que puede considerarse como una desigualdad doble.
Por ejemplo, 0  7  9 (como referencia regrese a la fig. 1).

Acabamos de definir una desigualdad usando la relación menor que, pero las otras también podrían haber sido
utilizadas.
Definición:
Una desigualdad es un enunciado que establece que un número es menor que otro.
Por supuesto, representamos las desigualdades por medio de símbolos de desigualdad. Si dos desigualdades
tienen sus símbolos apuntando en la misma dirección, entonces decimos que tienen el mismo sentido. Si no, se
dice que son de sentidos opuestos o que una tiene el sentido contrario de la otra. Por tanto, a  b y c  d
tienen el mismo sentido, pero a  b tiene el sentido contrario de c  d .
Resolver una desigualdad, como 2( x  3)  4 , significa encontrar todos los valores de la variable para los
cuales dicha desigualdad es cierta. Esto implica la aplicación de ciertas reglas .
Reglas para las desigualdades

1. Si un mismo número se suma o resta en ambos lados de una desigualdad, la desigualdad resultante
tendrá el mismo sentido que la original. En forma simbólica,
a  b , entonces a  c  b  c y a  c  b  c
Por ejemplo , 7  10 , de modo que 7  3  10  3
49
Cuando el mismo número real se suma o se resta a ambos lados de una desigualdad, el sentido de la desigualdad
no se altera.
2. Si ambos lados de una desigualdad se multiplican o dividen por el mismo número positivo, la
desigualdad resultante tendrá el mismo sentido que la original. En forma simbólica,
a b
si a  b y c  0, entonces ac  bc y 
c c
3 7
Por ejemplo, 3  7 y 2  0 y , de modo que 3( 2)  7 (2) y  .
2 2
3. Si ambos lados de una desigualdad se multiplican o dividen por el mismo número negativo, entonces
la desigualdad resultante tendrá el sentido contrario de la original. En forma simbólica,
a b
si a  b y c  0, entonces a (  c )  b(  c ) y 
c c
4 7
Por ejemplo 4  7 pero 4(- 2 )  7( 2) y 
2 2
4. Cualquier lado de una desigualdad puede reemplazarse por una expresión equivalente a ella. En forma
simbólica,
a  b y a  c , entonces c  b
Por ejemplo, si x  2 y x  y  4, entonces y  4  2
5. Si los lados de una desigualdad son ambos positivos o negativos, entonces sus recíproco respectivos
estarán relacionados por un símbolo de desigualdad con sentido contrario a la desigualdad original.
1 1
Por ejemplo, , 2  4 pero 
2 4
6. Si ambos lados de una desigualdad son positivos y elevamos cada lado a la misma potencia positiva,
entonces la desigualdad resultante tendrá el mismo sentido que la original. Por tanto, si
0a b yn 0 , entonces a  b a  n b en donde suponemos que n es un entero positivo
n n n
y
en la última desigualdad.
Por ejemplo, 4  9 de modo que : 4  9 4 9.
2 2
y
El resultado de aplicar las reglas 1 a 4 a una desigualdad se conoce como desigualdad equivalente. Ésta es
una desigualdad cuya solución es exactamente la misma que la de la original. Aplicaremos estas reglas a una
desigualdad lineal.
Definición
Una desigualdad lineal en la variable x es aquella que puede escribirse en la forma ax  b  0 donde a y b
son constantes y a  0 .
Resolución de una desigualdad lineal
Ejemplo 1 :Resolver . 2( x  3)  4
Solución:
Estrategia: reemplazaremos la desigualdad dada por desigualdades equivalentes hasta que la solución sea
evidente.
50
Todas las desigualdades son equivalentes. Por tanto, la desigualdad original es cierta para todos los números
reales x tales que x  5 .
Por ejemplo, la desigualdad es cierta para x  10 ;  0 ,1;0; 12 y 4,9 . Podemos escribir nuestra solución
simplemente como y representarla de manera geométrica por medio de una semirrecta gruesa en la figura . El
paréntesis indica que el 5 no está incluido en la solución.
En el ejemplo, la solución consistía en un conjunto de números, a saber, todos los menores que 5. En general,
es común utilizar el término intervalo para referirse a tales conjuntos. En el caso del ejemplo , el conjunto de
todas las x tales que x  5 puede denotarse por la notación de intervalo (,5) . El símbolo () no es un
número, sino sólo una convención para indicar que el intervalo se extiende de manera indefinida hacia la
izquierda.
Existen otros tipos de intervalos. Por ejemplo, el conjunto de todos los números x para los cuales a  x  b se
conoce como un intervalo cerrado, que incluye a los números a y b, los cuales se llaman extremos del
intervalo. Este intervalo se denota mediante [a, b] y se muestra en la figura 2(a). Los corchetes indican que a y
b están incluidos en el intervalo. Por otra parte, el conjunto de todas las x para las que
Figura 2.Intervalos cerrados y abiertos.

a  x  b se llama intervalo abierto y se denota mediante (a, b). Los extremos no son parte de este conjunto [véase la fig.
2(b)]. Para ampliar estos conceptos, tenemos los intervalos mostrados en la figura 3.
Figura 3.Intervalos.
Ejemplo 2 :Resolver . 3  2 x  6
Solución:
51
3  3 
La solución es x   , o, en notación de intervalo,   ,   . Esto se representa geométricamente en la
2  2 
figura 4.
 3 
Intervalo   ,  
 2 
Ejemplo 3
a) Resolver . 2( x  4)  3  2 x  1
Solución:
Como nunca será verdadero que 11  1 , no existe solución y el conjunto solución es vacío  .
b) Resolver 2( x  4)  3  2 x  1
Solución: procediendo como en la parte (a), obtenemos 11  1 . Esto es verdadero para todos los
números reales x, de modo que la solución es ( , ) ; véase la figura
Trabajo práctico Desigualdades.
Ejemplo de aplicación de desigualdades
Renta versus compra

Un constructor debe decidir entre rentar o comprar una máquina excavadora. Si fuese a rentar la máquina, el
costo de la renta sería de $3000 mensuales (sobre la base de un año) y el costo diario (gas, aceite y operador)
sería de $180 por cada día que la máquina se utilice. Si él fuese a comprarla, sus costos fijos anuales serían de
52
$20,000 y los costos diarios de operación y mantenimiento serían de $230 por cada día que la máquina se
utilizara. ¿Cuántos días al año por lo menos, tendría que utilizar el constructor la máquina para justificar la
renta en lugar de la compra?
Solución:
Estrategia: vamos a determinar expresiones para el costo anual de la renta y el costo anual de la compra, así
encontraremos cuándo el costo de la renta es menor que el de la compra.
Sea d el número de días de cada año que la máquina será utilizada. Si la máquina se renta, el costo total anual
consiste en los gastos de la renta, que son (12)(3000) y los costos diarios de 180d. Si la máquina se compra, el
costo por año es 20000+230d. Queremos que
Por tanto, el constructor debe utilizar la máquina al menos 321 días para justificar rentarla.
Problemas:
1) Utilidad: Para una compañía que fabrica calentadores para acuarios, el costo combinado de mano de
obra y material es de $21 por calentador. Los costos fijos (costos en que se incurre en un periodo
dado, sin importar la producción) son $70,000. Si el precio de venta de un calentador es $35, ¿cuántos
debe vender para que la compañía genere utilidades?
2) Razón de activo: La razón de activo de un negocio es el cociente de sus activos circulantes (efectivo,
inventario de mercancías y cuentas por cobrar), a sus pasivos circulantes (préstamos a corto plazo e
impuestos).
Después de consultar con el contralor, el presidente de la Ace Sports Equipment Company decide pedir
un préstamo a corto plazo para hacerse de inventario.
La compañía tiene un activo de $350,000 y un pasivo de $80,000. ¿Cuánto pueden pedir prestado si
quieren que su razón de activo no sea menor que 2.5?
(Nota: los fondos que recibirán se consideran como activo y el préstamo como pasivo.)
3) Arrendamiento con opción a compra vs. compra Una mujer de negocios quiere determinar la
diferencia entre el costo de poseer un automóvil y el de arrendarlo con opción a compra. Ella puede
arrendar un automóvil por $420 al mes (con una base anual). Bajo este plan, el costo por milla
(gasolina y aceite) es $0.06. Si ella compra el automóvil, el gasto fijo anual sería de $4700, y otros
costos ascenderían a $0.08 por milla. ¿Cuántas millas por lo menos tendría que conducir ella por año
para que el arrendamiento no fuese más caro que la compra?.
4) Publicidad: El costo unitario de publicación de una revista es de $0.65. Cada una se vende al
distribuidor en $0.60, y la cantidad que se recibe por publicidad es el 10% de la cantidad recibida por
todas las revistas vendidas arriba de las 10,000. Encuentre el menor número de revistas que pueden
publicarse sin pérdida, esto es, que utilidad  0 . (Suponga que toda la emisión se venderá.).
DESIGUALDADES LINEALES DE DOS VARIABLES
Objetivos: Representar en forma geométrica la solución de una desigualdad lineal con dos variables y ampliar
esta representación a un sistema de desigualdades lineales.
La desigualdad y  2 x  4 , que relaciona las variables x y y, es un ejemplo de lo que llamamos desigualdades

lineales. Empecemos examinando este ejemplo particular en términos de una gráfica.
La ecuación y  2 x  4 tiene como gráfica una línea recta cuya pendiente es 2 y ordenada al origen -4.
Aparece como una línea a trazos en la figura 1. Como un ejemplo, cuando x = 4, y = 2(4) -4 = 4, de modo que
el punto (4, 4) está sobre la línea, como se advierte en la figura 1.
53
Consideremos ahora la desigualdad y  2 x  4

Cuando x = 4, adopta la forma y > 2(4) - 4, o y > 4.
Así, todos los puntos de la forma (4, y) en donde y > 4 satisfacen la desigualdad.
En forma gráfica, esto significa que sobre la línea vertical x =4, la desigualdad y  2 x  4 se satisface para
todos los puntos situados arriba del punto (4, 4).
De manera similar podemos considerar la línea vertical x = 1. Sobre esta línea, la desigualdad y  2 x  4 se
reduce a y >-2. Que es satisfecha por los puntos (1, y) que están sobre esta línea vertical arriba del punto (1, -
2). (Véase la figura 1).
Puede advertirse en forma análoga que la desigualdad y  2 x  4 es satisfecha por todos los puntos (x, y)
situados por arriba de la línea recta y = 2x - 4. Esta región del plano xy se dice que es la gráfica de la
desigualdad dada.
Una desigualdad lineal entre dos variables x y y es cualquier relación de la forma Ax +By +C =0 (o <0) o Ax +
By + C ≥ 0 (o ≤0). La gráfica de una desigualdad lineal consta de todos aquellos puntos (x, y) que satisfacen la
desigualdad.
Consiste de una región del plano xy, no sólo de una línea o curva.
La gráfica de la desigualdad Ax+ By+ C > 0 es un semiplano acotado por la línea recta cuya ecuación es Ax +
By + C= 0. La figura 2 ilustra algunas desigualdades lineales. En cada caso, el semiplano que satisface la
desigualdad se encuentra sombreado.
54
La gráfica de y  mx  b es el semiplano por encima de la línea y  mx  b y la gráfica de y  mx  b es el

semiplano debajo de la línea y  mx  b . Si la gráfica incluye a la línea, la indicamos con una línea continua;
de otra forma usamos una línea a trazos. Este tipo de líneas siempre corresponde a una desigualdad estricta (>
o <) y una línea continua está asociada a una desigualdad débil (≥ o ≤).
Ejemplo 1 Bosqueje la gráfica de la desigualdad lineal 2 x  3 y  6

Solución En primer término resolvemos en la desigualdad dada para y en términos de x (esto es, la
expresamos en una de las formas y  mx  b o y  mx  b ).
2x  3y  6
 3y  6  2x
Dividimos ahora ambos lados entre -3. Recuerde que cuando dividimos los términos de una desigualdad entre
un número negativo, el signo de la desigualdad se cambia. (ver propiedades).
6  2x 2
y  y  x2
3 3
Enseguida graficamos la línea y  2

3
x  2 . Para x =0, tenemos que y =-2. Así, (0, -2) es un punto sobre la
línea. De nuevo, cuando y =0, tenemos que 2
3
x20 o x 3
En consecuencia, (3, 0) es otro punto sobre la línea. Graficamos estos puntos y los unimos mediante una línea
a trazos (porque tenemos una desigualdad estricta). Puesto que la desigualdad dada, cuando la resolvemos
para y, contiene el signo mayor que, la gráfica es el semiplano situado por arriba de la línea a trazos (Figura 3).
Las desigualdades lineales aparecen en muchos problemas de interés práctico.
55
Se aplica en matemáticas como programación lineal.

Los ejemplos siguientes ilustrarán algunas situaciones comunes en que aparecen desigualdades lineales.
Ejemplo 2 (Inversiones) Un accionista planea invertir $30,000 en dos inversiones A y B. La acción A está
valuada actualmente en $165 y la acción B en $90 por acción. Si el accionista compra x acciones de A y y
acciones de B, grafique la región del plano xy que corresponda a las posibles estrategias de inversión.
Solución Las x acciones de la inversión A a $165 por acción tienen un costo de 165x dólares. De manera
similar, y acciones de la inversión B a $90 tienen un costo de 90y dólares. La suma total invertida es, por tanto,
(165x  90 y )dolares
y ésta no puede exceder $30,000. En consecuencia,

165x  90 y  30.000
Resolvemos para y.
165x  90 y  30.000
90 y  30.000  165x
165 30.000
y x
90 90
11 1000
y  x
6 3
La gráfica de esta desigualdad aparece en la figura 4. En este ejemplo, sólo tiene importancia la región para la
cual x  0 y y  0 , de modo que la región sombreada tiene forma triangular en lugar de semiplano.
En muchas situaciones prácticas, surgen problemas que requieren más de una desigualdad lineal.
Problemas:
1) (Inversiones) En el ejemplo anterior, la acción A actualmente paga un dividendo de $6 por acción y la
inversión B paga $5 por acción. Si el accionista requiere que la inversión le pague más de $1400 en
dividendos, bosqueje la gráfica de la región permitida.
2) (Distribución de agroquímicos) Una compañía de agroquímicos produce funguicidas 3 en dos fábricas,
F1 y F2. La fábrica F1 puede producir 100 lts(en miles) a la semana y la fábrica F2, 200lts ( en miles). La
compañía tiene tres centros de distribución, X, Y y Z.
El centro X requiere 50 a la semana, Y demanda 75 y Z requiere de 125 por semana, con el propósito de
satisfacer las demandas de sus áreas respectivas. Si la fábrica F1 suministra x lts de funguicidas a la
semana a su centro de distribución X, y funguicidas a Y y z funguicidas a Z, escriba las desigualdades
que deben satisfacer x, y y z.
3
Fungicidas: funcionan al igual que los herbicidas e insecticidas pero repelen todo tipo de hongos en plantas o cultivos
56
3) (Asignación y utilidades) En el ejercicio 24, suponga que la compañía obtiene utilidades de $20 por cada
artículo A y $30 por cada artículo B. Si se requiere que la utilidad semanal sea al menos de $1100,
represente los valores permitidos de x y y gráficamente.
SISTEMAS DE DESIGUALDADES
La solución de un sistema de desigualdades consiste en todos los puntos cuyas coordenadas satisfacen de
manera simultánea todas las desigualdades dadas.
En forma geométrica, es la región común para todas las regiones determinadas por las desigualdades dadas.
Por ejemplo, resolvamos el sistema
2 x  y  3

x  y
2 y  1  0

Primero escribimos de nuevo cada desigualdad de modo que y esté aislada.

Esto da el sistema equivalente
 y  2 x  3

y  x
 y  1/ 2

 y  2 x  3

Ahora hacemos el bosquejo de las rectas correspondientes  y  x .
 y  1/ 2

Observamos que la primera y tercera desigualdades definen semiplanos abiertos, pero la segunda define un
semiplano cerrado, entonces sombreamos la región que de manera simultánea está por encima de la primera
recta, sobre y por debajo de la segunda recta y, al mismo tiempo, por encima de la tercera recta (véase la fig.
5). Cuando se está haciendo el bosquejo de las rectas, es mejor dibujar siempre rectas punteadas hasta
que sea claro cuáles partes estarán incluidas en la solución.
Figura 5 Solucion de un sistema de desigualdades lineales.
Problemas.
Resolver el sistema
57
Aplicaciones de Desigualdades: Programacion lineal
Algunas veces se desea maximizar o minimizar una función sujeta a algunas limitaciones (o restricciones). Por
ejemplo, un fabricante puede querer maximizar una función de utilidad sujeta a las restricciones de producción,
que imponen las limitaciones sobre el uso de la maquinaria y la mano de obra.
Ahora consideraremos cómo resolver tales problemas cuando la función que será maximizada o minimizada es
lineal. Una función lineal en x y y tiene la forma
Z  ax  by
donde a y b son constantes. También requeriremos que las correspondientes restricciones estén representadas
por un sistema de desigualdades lineales (que incluyan “≤ “ o “ ≥” ) o ecuaciones lineales en x y y, además de
que todas las variables sean no negativas. Un problema que involucra todas estas condiciones se llama
problema de programación lineal4.
En un problema de programación lineal, la función por maximizar o minimizar se llama función objetivo.
Aunque por lo regular existe un número infinito de soluciones para el sistema de restricciones (llamadas
soluciones factibles o puntos factibles), la meta es encontrar una que sea una solución óptima (esto es,
una que dé el valor máximo o mínimo de la función objetivo).
Ahora daremos un enfoque geométrico de la programación lineal. El método simplex se presenta desde un
enfoque matricial que nos permitirá trabajar con más de dos variables y, por tanto, con una mayor variedad de
problemas.
Ejemplo Problema:
Una compañía produce dos tipos de artículos, manuales y eléctricos. Cada uno requiere para su fabricación del
uso de tres máquinas agrícolas, A, B y C. La tabla 1 da la información relacionada con la fabricación de estos
artículos. Cada artículo manual requiere del uso de la máquina A durante 2 horas, de la máquina B por 1 hora y
de la máquina C otra hora. Un artículo eléctrico requiere 1 hora de la máquina A, 2 horas de la B y 1 hora de la
C. Además, supongamos que el número máximo de horas disponibles por mes para el uso de las máquinas A,
B y C es de 180, 160 y 100, respectivamente.
La utilidad por cada artículo manual es de $4 y por cada artículo eléctrico es de $6. Si la compañía vende todos
los artículos que puede producir, ¿cuántos artículos de cada tipo debe producir con el fin de maximizar la
utilidad mensual?
Para resolver el problema, establezcamos que x y y son el número de artículos manuales y eléctricos,
respectivamente, fabricados en un mes. Ya que el número de artículos producidos no es negativo,
x0 y y 0.
4
La programación lineal fue desarrollada por George B. Dantzig al final de la década de l940, y la Fuerza Aérea de Estados Unidos fue
quien la utilizó primero, esto como una ayuda en la toma de decisiones. Actualmente tiene una amplia aplicación en los análisis industrial y
económico.
58
Para la máquina A, el tiempo necesario para trabajar sobre x artículos manuales es 2x horas y el tiempo para
trabajar sobre y artículos eléctricos es 1y horas.
La suma de estos tiempos no puede ser mayor que 180, de modo que
2 x  y  180
De manera semejante, las restricciones para las máquinas B y C dan
x  2 y  160
x  y  100
La utilidad P es una función de x y y, y está dada por la función de utilidad

P  4x  6 y
En resumen, queremos maximizar la función objetivo
P  4x  6 y (1)
sujeta a las condiciones de que x y y deben ser soluciones del sistema de restricciones:
x  0 (2)
y  0 (3)


2 x  y  180 (4)
 x  2 y  160 (5)


 x  y  100 (6)
Por tanto, tenemos un problema de programación lineal. Las restricciones (2) y (3) se llaman condiciones de
no negatividad. La región que satisface de manera simultánea las restricciones de la (2) a la (6) está
sombreada en la figura 2. Cada punto en esta región representa una solución factible, y dicha región se llama
región factible. Aunque existe un número infinito de soluciones factibles, debemos encontrar una que
maximice la función de utilidad.
Ya que la función objetivo P  4 x  6 y ,es equivalente a
2 P
y x
3 6
define una familia de rectas paralelas, cada una con pendiente de – 2/ 3 e intersección y (0,P/ 6). Por ejemplo,
si P= 600, entonces obtenemos la recta
2
y x  100
3
que se muestra en la figura 3. Esta recta, llamada de isoutilidad (isoganancia), da todas las combinaciones
posibles de x y y con las que se obtiene la misma utilidad, $600. Observe que esta línea de isoutilidad no tiene
puntos en común con la región factible, mientras que la línea de isoutilidad para P=300 tiene un número infinito
de puntos en común con la región factible. Busquemos un miembro de la familia que tenga un punto factible y
cuyo valor de P sea máximo.
59
Éste será la recta cuya intersección y sea la más lejana del origen (esto da un valor máximo de P), y que al
mismo tiempo tenga al menos un punto en común con la región factible. No es difícil observar que tal recta
contendrá al vértice (punto extremo, esquina) A. Cualquier recta de isoutilidad con una utilidad mayor no
contendrá puntos de la región factible.
A partir de la figura 2 vemos que A pertenece a las rectas x  y  100 y x  2 y  160 . Sus coordenadas
pueden hallarse resolviendo el sistema
 x  y  100

 x  2 y  160
Esto da x=40 y y=60. Sustituyendo estos valores en P  4 x  6 y , encontramos que la utilidad máxima sujeta a
las restricciones es de $520, que se obtiene al producir 40 artículos manuales y 60 eléctricos cada mes.
Si una región factible puede estar contenida dentro de un círculo, como la de la figura 3, se denomina entonces
región factible acotada. De otra manera es no acotada. Cuando una región factible contiene al menos un
punto, se dice que es no vacía; en caso contrario es vacía. Así, la región de la figura 3 es una región factible
acotada no vacía.
Puede demostrarse que:
Una función lineal definida sobre una región factible acotada no vacía, tiene un valor máximo (mínimo)
que puede hallarse en un vértice (punto extremo, esquina).
60
Este enunciado nos da una forma de encontrar una solución óptima sin dibujar las rectas de isoutilidad como lo
hicimos antes. Basta con evaluar la función objetivo en cada uno de los vértices de la región factible, y después
seleccionar un vértice en el que la función sea óptima.
Por ejemplo, en la figura 3 los vértices son A, B, C, D y E. Encontramos como antes, que A es (40, 60). Para
encontrar B, de la figura 2 advertimos que debemos resolver de manera simultánea
2 x  y  180 y x  y  100 . Esto da el punto B=(80, 20). De manera similar obtenemos todos los vértices:
A  ( 40,60), B  (80,20), C  (90,0)
D  (0,0), E  (0,80)
Ahora evaluamos la función objetivo P  4 x  6 y en cada uno de los puntos:
Así, P tiene un valor máximo de 520 en A, donde x=40 y y=60.

La solución óptima para un problema de programación lineal está dado por el valor óptimo de la función
objetivo y el punto donde ocurre dicho valor.
Problemas
1) Maximizar la función objetivo Z=3x+y sujeta a las restricciones
2) Minimizar la función objetivo Z=8x-3y sujeta a las restricciones
Observaciones:
Siempre que la región factible de un problema de programación lineal sea vacía, no existe solución
óptima.
Ejercicios:
61
62

Teoria 1 ALGEBRA U1 2 3 PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Teoria 1 ALGEBRA U1 2 3 PDF

Hochgeladen von

Copyright:

Verfügbare Formate

UNIVERSIDAD TECNOLOGICA NACIONAL

FACULTAD REGIONAL RESISTENCIA

LICENCIATURA EN ADMINISTRACION RURAL

Teoría Prof. ESTELA B.ROBLES.

Trabajos Prácticos: Prof. Dure, Diana

Matriz: elementos, orden y representación

Una matriz es una ordenación rectangular de elementos, generalmente dentro de un paréntesis.

Sus 6 elementos son: a11  1, a12  2, a13  3, a 21  4, a 22  7 y a23  5

Se llama matriz a un conjunto ordenado de elementos (números reales) dispuestos en m filas y n

Representación genérica de una matriz. Una matriz de m

A  aij mxn donde i  1,2,...., m y j  1,2,.....n; A  R mxn

Tipos de matrices Ejemplo

Matriz columna: es la que tiene una sola columna. 1 

Matriz fila: es la que tiene una sola fila.

Matriz nula: es la que tiene todos sus elementos iguales a cero. 0 0 0 

matriz A es de orden m x n, la matriz AT es de orden n x m.  2 0 3  2 3

Matrices Iguales: Dos matrices son iguales si y solo si tienen el mismo

Matrices cuadradas especiales

Matriz identidad o unidad: es una matriz cuadrada simbolizada por 1

OPERACIONES ENTRE MATRICES DE IGUAL ORDEN

3. La multiplicación (o producto) de una matriz por un número real

lij  Kaij i;j

Si c=-1, se tiene (-1). A = -A que se llama matriz opuesta de A.

Ley de composición interna

A  R mxn, ( A)  R mxn / A  ( A)  ( A)  A  0

Ley de composición externa

k1 y k2  R; A  R mxn; (k1.k2 ). A  k1.(k2 . A)

k1 y k2  R; A  R mxn; (k1  k2 ). A  k1. A  k2 . A

k  R y A, B  R mxn; k.( A  B)  kA  kB

 En la multiplicación no se cumple la propiedad conmutativa, es decir, en general:

A  R mxp y B  R pxq; A . B  R mxq

A  R mxn;B  R nxp;C  R pxq;(A . B) . C  A. (B .C)

Conformidad para el producto.

El producto de dos matrices generalmente no es conmutativo.

Es fácil ver que:

En caso de potencia de exponente par o impar

Más de matrices cuadradas especiales.

Matriz idempotente: es una matriz cuadrada que cumple A2 = AA = A.

Matriz ortogonal: es una matriz cuadrada que cumple AAT = Im

Matrices particionadas según sus filas (queda una matriz columna).

Matriz particionada según sus columnas (nos da una matriz fila)

Ejemplo forma matricial de un sistema utilizando la multiplicación de matrices

en forma matricial utilizando la multiplicación de matrices.

entonces el sistema dado es equivalente a la ecuación matricial. AX=B

COMBINACIÓN LINEAL – CL-

Dependencia e independencia lineal.

Aj  k1 A1  k2 A2  ...  kn An con k1 , k2 ...kn  0

Dadas A  A1  A2 ... Aj ... An  con Aj  R mx1 y k j  R

Decimos que A es linealmente independiente si y solo si

Decimos que A es linealmente dependiente si y solo si k1 A1  k 2 A2  ...  k n An  0  kj  0

1. Permutación de filas o columnas : Ai  Ai 1

2. Suma de dos filas (o columnas) paralelas Ai  Ai  Ai´

3. Producto de una fila por un escalar no nulo: Ai  kAi , k  0

Al efectuar operaciones elementales se obtienen matrices equivalentes.

Rango de una matriz

Es el número de líneas, linealmente independientes que tiene la matriz.

Del ejemplo anterior vemos:

DETERMINANTES y MATRIZ INVERSA

Toda matriz cuadrada A tiene asociada un número real, denominado determinante.

Si A  R mxn ; se simboliza D( A)  A  det( A)

Ax3: D A1  A2 ... A j A´j 

1. Si dos columnas del determinante son iguales, el determinante es nulo.

2. Si en un determinante una columna es nula el determinante es nula.