Algebra Lineal y Su Aplicacion CORREGIDO 111

Algebra Lineal aplicada a los negocios
UNIVERSIDAD CATOLICA SANTA

MARIA
CARRERA PROFESIONAL DE INGENIERIA
COMERCIAL
CURSO:
MATEMTICAS PARA NEGOCIOS

TEMA:
ALGEBRA LINEAL APLICADA A LOS

NEGOCIOS
PRESENTADO POR:
LIZETH OLAZABAL CARDENAS

PILAR CHAVEZ SALAS
MARIA DEL CARMEN CCERES PONCE
ALEXANDRA LILIAN PALOMINO YEPEZ
CARMEN ESQUECHE QUISPE
PROFESOR
WILBER ROBERTO RAMOS LOVON
SEMESTRE:
PRIMERO
2016
DEDICATORIA
Dedicamos este trabajo en primer lugar a
la institucin, que al convertirse en nuestra
Alma Mater, nos brinda todos los
conocimientos y orientacin para nuestra
formacin profesional.
A nuestros padres quienes nos apoyaron
desde principio de este nuevo reto, en
nuestra educacin siendo nuestro apoyo
en todo momento.
Los autores
INDICE
1
CAPITULO I.................................................................................................................................................... 3
LGEBRA LINEAL: NOCIONES GENERALES...........................................................................................3
1.
ECUACIONES LINEALES EN LGEBRA LINEAL........................................................................................3
1.1.
Modelos lineales en economa e ingeniera........................................................................3
2.
SISTEMAS DE ECUACIONES LINEALES........................................................................................................5
2.1.
Resolucin de un sistema lineal........................................................................................10
3.
4.
OPERACIONES ELEMENTALES DE FILA....................................................................................................14

REDUCCIN POR FILAS Y FORMAS ESCALONADAS.............................................................................17
4.1.
4.2.
4.3.
4.4.
Algoritmo de reduccin por filas.......................................................................................19

Soluciones de sistemas lineales.........................................................................................24
Descripciones paramtricas de conjuntos solucin..........................................................27
Sustitucin regresiva..........................................................................................................28
5.
ECUACIONES VECTORIALES.......................................................................................................................29
5.2.
2
Vectores en R ...................................................................................................................29
2
Descripciones geomtricas de R ......................................................................................31
6.
REGLA DEL PARALELOGRAMO PARA LA SUMA.....................................................................................32
5.1.
6.2.
3
Vectores en R ...................................................................................................................33
n
Vectores en R ...................................................................................................................33
7.
PROPIEDADES ALGEBRAICAS DE Rn..........................................................................................................34
7.1.
7.2.
7.3.
Combinaciones lineales.....................................................................................................34
Una descripcin geomtrica de Gen{v} y Gen{u, v}..........................................................35
Combinaciones lineales en aplicaciones...........................................................................36
8.
LA ECUACIN MATRICIAL Ax = b.................................................................................................................36
8.1.
8.2.
DEFINICIN....................................................................................................................36
Propiedades del producto matriz-vector Ax......................................................................38
9.
CONJUNTOS SOLUCIN DE LOS SISTEMAS LINEALES........................................................................41
9.1.
9.2.
9.3.
Sistemas lineales homogneos...........................................................................................41

Forma vectorial paramtrica.............................................................................................43
Soluciones de sistemas no homogneos............................................................................44
10.
APLICACIONES DE LOS SISTEMAS LINEALES........................................................................................44
6.1.
10.1.
10.2.
10.3.
Un sistema homogneo en economa............................................................................44

Balanceo de ecuaciones qumicas.................................................................................48
Flujo de redes.................................................................................................................50
CAPITULO II.................................................................................................................................................52
APLICACIN A LOS NEGOCIOS................................................................................................................52
INTRODUCCION A LA PROGRAMACIN LINEAL.................................................................................52
PROGRAMACIN LINEAL...............................................................................................................................................52
CONCLUSIONES..........................................................................................................................................73
BIBLIOGRAFIA............................................................................................................................................74
GLOSARIO: DICCIONARIO DE LGEBRA LINEAL................................................................................76
INTRODUCCION
La matemtica se aplica en muchas ocasiones, para resolver situaciones

en la vida cotidiana, nos ensea a ser buenos en los negocios ya que nos
muestra cmo debemos organizar, dirigir y concluir una estrategia si es
viable o no, y nos ayuda a tener un estilo de vida sostenible, incitando a
tomar decisiones acertadas, a optimizar y sacarle el mximo provecho a
nuestros recursos como por ejemplo lo es el dinero, en que lo debemos
invertir, si es acertado hacer un viaje o no, o cambiar de casa.
Adems el lgebra lineal es la base para las ciencias del conocimiento por
eso es aplicada en la tecnologa, informtica, criptografa, sociologa, en
los negocios para saber si un producto va hacer un xito o un fracaso, si
una empresa est generando buenas utilidades o no, y en caso de que
no, pensar en una nueva estrategia que sirva a la empresa.
Estos temas reciben un tratamiento ms comprensible en comparacin
con el que se encuentra comnmente en los textos bsicos. Se
ha
enfatizado la necesidad de contar con una unidad sustancial en los

problemas de ortogonalidad y mnimos cuadrados, debido a que la
ortogonalidad
cumple
un
papel
importante
en
los
clculos
computacionales y en el lgebra lineal numrica, y porque los sistemas

lineales inconsistentes surgen muy frecuentemente en el trabajo prctico.
Una amplia seleccin de aplicaciones ilustra el poder del lgebra lineal
para explicar principios fundamentales y simplificar los clculos en
ingeniera, ciencia computacional, matemticas, fsica, biologa, economa

y estadstica.
Todos los conceptos importantes reciben una interpretacin geomtrica,
debido a que muchos estudiantes aprenden de mejor manera cuando
pueden visualizar una idea. Existe una cantidad sustancialmente mayor
de ilustraciones de lo usual, y algunas de las figuras no han aparecido
nunca antes en un texto de lgebra lineal.
En conclusin un buen matemtico es un buen administrador y bueno en
los negocios, porque nos obliga a pensar, analizar, buscar soluciones, ser
organizados, inquietos y tener una respuesta precisa y concisa a las
actividades que realizamos a diario, para as superar nuestros problemas
y convertirlos en oportunidades.
CAPITULO I
LGEBRA LINEAL: NOCIONES GENERALES
1. ECUACIONES LINEALES EN LGEBRA LINEAL

1.1. Modelos lineales en economa e ingeniera
A finales del verano de 1949 Wassily Letonia, profesor de Harvard,
introdujo cuidadosamente la ltima de sus tarjetas perforadas en
la computadora de la universidad, la Mark II. Las tarjetas contenan
informacin acerca de la economa de Estados Unidos, y
representaban un resumen de ms de 250,000 piezas de
informacin
producidas
por
la
oficina
encargada
de
las
estadsticas laborales en Estados Unidos despus de dos aos de

trabajo intenso. Leontief haba dividido la economa de Estados
Unidos en 500 sectores, tales como la industria del carbn, la
industria automotriz, las comunicaciones, etc. Para cada sector,
escribi una ecuacin lineal que describa la forma en que dicho
sector distribua sus salidas hacia otros sectores de la economa.
Debido a que la Mark II, una de las computadoras ms grandes de
la poca, no poda manejar el sistema resultante de 500
ecuaciones y 500 incgnitas, Leontief haba condensado el
problema en un sistema de 42 ecuaciones y 42 incgnitas.
La programacin de la computadora Mark II para las 42
ecuaciones de Leontief requiri varios meses de esfuerzo, y l
estaba ansioso por ver cunto tiempo le tomara a la mquina

resolver el problema. La Mark II zumb y destell durante 56
horas hasta que finalmente produjo una solucin.
Leontief, quien recibi el Premio Nobel de Economa en 1973,
abri la puerta a una nueva era en el modelado matemtico de la
economa. Sus esfuerzos desplegados en Harvard en 1949
marcaron uno de los primeros usos
significativos de las
computadoras para analizar lo que entonces era un modelo

matemtico a gran escala.
Desde entonces, los investigadores de muchos otros campos han
empleado computadoras para analizar modelos matemticos.
Debido a las masivas cantidades de datos involucrados, por lo
general, los modelos son lineales; esto es, se describen mediante
sistemas de ecuaciones lineales.
La importancia del lgebra lineal para las aplicaciones se ha
elevado en proporcin directa al aumento del poder de las
computadoras, cada nueva generacin de equipo y programas de
cmputo dispara una demanda de capacidades an mayores.
Los sistemas de ecuaciones lineales se encuentran en el corazn
del lgebra lineal, y el presente trabajo los utiliza para introducir
algunos de los conceptos centrales del lgebra lineal de una
manera simple y concreta. Se presenta un mtodo sistemtico
para resolver sistemas de ecuaciones lineales. Este algoritmo se
utilizar para realizar clculos a lo largo del texto. Se muestra
cmo un sistema de ecuaciones lineales es equivalente a una
ecuacin vectorial y a una ecuacin matricial. Esta equivalencia

reducir problemas que involucran combinaciones lineales de
vectores a preguntas sobre los sistemas de ecuaciones lineales.
Los conceptos fundamentales de generacin, independencia lineal
y transformaciones lnea- les, que se estudian en la segunda mitad
del captulo, desempearn un papel esencial a lo largo del texto
mientras se explora la belleza y el poder del lgebra lineal.
2. SISTEMAS DE ECUACIONES LINEALES
Una ecuacin lineal en las variables x1,. . ., xn es una ecuacin que
puede escribirse de la forma
a1x1
a2x2
a nx n
(1)
Donde b y los coeficientes a1,. . ., an son nmeros reales o complejos,
por lo general conocidos. El subndice n puede ser cualquier entero
positivo. En los ejemplos y ejercicios del libro, n est normalmente entre 2
y 5. En los problemas de la vida real, n puede ser igual a 50, 5000, o
incluso a valores ms grandes.
Las ecuaciones
4x1 5x2 + 2 = x1 y x2 =
2 ( 6x 1 ) + x 3
Son ambas lineales porque pueden reordenarse algebraicamente como

en la ecuacin (1):
Las ecuaciones
5
3x1 5x2 = 2
y 2x1 + x2 x3
2 X 1+ 3 x 2
4x1 5x2 = x1x2 y
2 6
[ ]
x2 = 2
x1 6
No son lineales debido a la presencia de x1x2 en la primera ecuacin y
x1
en la se anda.
Un sistema de ecuaciones lineales (o sistema lineal) es una coleccin

de una o ms ecuaciones lineales que involucran las mismas variables
digamos, x1,. . ., xn. Un ejemplo es
2x1 x2 + 1.5x3 =8
X1
4x3 = 7
Una solucin del sistema es una lista (s1, s2,. . ., sn) de nmeros que
hacen de cada ecuacin un enunciado verdadero cuando los valores s1,. .
., sn sustituyen, respectivamente, a x1,. . ., xn. Por ejemplo, (5, 6.5, 3) es
una solucin del sistema (2) porque, cuando estos valores sustituyen en
(2) a x1, x2 y x3, respectivamente, las ecuaciones se simplifican a 8 = 8 y
7 = 7.
El conjunto de todas las soluciones posibles se llama conjunto solucin
del sistema lineal. Se dice que dos sistemas lineales son equivalentes si
tienen el mismo conjunto solucin. Esto es, cada solucin del primer
sistema es una solucin del segundo sistema, y cada solucin del
segundo sistema es una solucin del primero.
Determinar el conjunto solucin de un sistema de dos ecuaciones

lineales resulta sencillo porque consiste en localizar la interseccin de dos
rectas. Un problema tpico es
x1 2x2 = 1
x1 + 3x2 = 3
Las grficas de estas ecuaciones son rectas, las cuales se denotan
mediante 1 y 2. Un par de nmeros (x1, x2) satisface las dos
ecuaciones de este sistema si, y slo si, el punto (x1, x2) pertenece tanto
a 1 como a 2. En el sistema anterior, la solucin es el punto nico (3, 2),
lo cual puede verificarse con facilidad.
FIGURA 1
Por
supuesto,
la
Exactamente una solucin.
interseccin
de
dos
rectas
no
debe
darse
necesariamente en un solo punto las rectas pueden ser paralelas o

coincidir y, por lo tanto, intersecar en todos los puntos sobre la recta. En
7
la figura 2 se muestran las grficas que corresponden a los siguientes

sistemas:
(a) x1 2x2 = 1
(b) x 1 2x2 = 1
x1 + 2x2 =3
FIGURA 2
x1 + 2x2 =
(a) Sin solucin. (b) Con infinidad de soluciones.
Las figuras 1 y 2 ilustran los siguientes hechos generales acerca de

los sistemas lineales, los cuales sern verificados en la seccin 1.2.
Un sistema de ecuaciones lineales puede
1. no tener solucin, o
2. tener exactamente una solucin, o
3. tener una cantidad infinita de soluciones.
Se dice que un sistema de ecuaciones lineales es consistente si tiene

una solucin o una infinidad de soluciones; un sistema es inconsistente
cuando no tiene ninguna solucin.
Notacin matricial
La informacin esencial de un sistema lineal puede registrarse de manera
compacta en un arreglo rectangular llamado matriz. Dado el sistema
x1 2x2 + x3 = 0
2x2 8x3 = 8
4x1 + 5x2 + 9x3 = 9
con los coeficientes de cada variable alineados en columnas, la matriz
1 2 1
0
2 8
4 5
9
se denomina matriz coeficiente (o matriz de coeficientes) del sistema

(3), y contiene un cero porque la segunda ecuacin podra escribirse
como 0x1 + 2x2 8x3 = 8.) La matriz aumentada de un sistema consta
de su matriz de coeficientes con una columna adicional que contiene las
constantes de los lados derechos de las ecuaciones.
1 2 1
0
0 2 8 8
4 5
9 9
Se denomina matriz aumentada del sistema. (Aqu, la segunda fila El

tamao de una matriz indica el nmero de filas y columnas que la
integran. La matriz aumentada (4) que se present lneas arriba tiene 3
filas y 4 columnas y se conoce como una matriz de 3 4 (se lee 3 por
4). Si m y n son enteros positivos, una matriz m n es un arreglo
rectangular de nmeros con m filas y n columnas. (El nmero de filas
siempre va primero.) La notacin matricial simplificar los clculos de los
ejemplos que se presentan enseguida.
2.1. Resolucin de un sistema lineal

En esta seccin y en la siguiente se describe un algoritmo, o
procedimiento sistemtico, para resolver sistemas lineales. La estrategia
bsica es reemplazar un sistema con un sistema equivalente (es decir,
uno con el mismo conjunto solucin) que sea ms fcil de resolver.
Dicho de manera sencilla, utilice el trmino x1 que est presente en la
primera ecuacin de un sistema para eliminar los trminos x1 que haya
en las otras ecuaciones. Despus use el trmino x2 presente en la
segunda ecuacin para eliminar los trminos x2 en las otras ecuaciones,
y as sucesivamente, hasta que obtenga un sistema de ecuaciones
equivalente muy simple.
10
Para simplificar un sistema lineal se utilizan tres operaciones bsicas:

reemplazar una ecuacin mediante la suma de la propia ecuacin y un
mltiplo de otra ecuacin, intercambiar dos ecuaciones, y multiplicar
todos los trminos de una ecuacin por una constante distinta de cero.
Despus del primer ejemplo, se ver por qu estas tres operaciones no
cambian el conjunto solucin del sistema.
Resuelva el sistema.
Solucin
El procedimiento de eliminacin se muestra enseguida con y
sin notacin matricial, y los resultados se colocan uno junto al otro para
compararlos:
X 1 +2 X 2 + X 3=0 1 2 1
0
2 X 28 X 3=8
0 2 8 8
4
5
9 9
4 X 1 +5 X 2 + 9 X 3
Mantenga x1 en la primera ecuacin y elimnela de las otras ecuaciones.

Para hacer esto, sume 4 veces la ecuacin 1 a la ecuacin 3. Por lo
general, luego de alguna prctica este tipo de clculos se realizan
mentalmente:
4 x 18 x 2 +4 x3 =0
4 [ ecuacin1 ] :
+ [ ecuacin 3 ] : 4 x 1+ 5 x 2 +9 x 3=9
[ nueva ecuacin 3 ] : 3 x 2+ 13 x 3=9
11
El resultado de este clculo se escribe en lugar de la tercera ecuacin

original:
X 1+ 2 X 2+ X 3=0 1 2 1
0
2 X 28 X 3=8
0 1 4 4
3 X 2+13 X 3=9 4 3 13 9
Ahora, multiplique la ecuacin 2 por 1/2 para obtener 1 como el

coeficiente para x2. (Este clculo simplificar la aritmtica del siguiente
paso.)
X 1+ 2 X 2+ X 3=0 1 2 1
0
X 24 X 3=4
0 1 4 4
3 X 2+13 X 3=9 0 3 13 9
Utilice x2 en la ecuacin 2 para eliminar 3x2 en la ecuacin 3. El clculo

mental es
3 x 212 x 3=12
3 [ ecuacin 2 ] :
+ [ ecuacin 3 ] : 3 x 2 +13 x3 =9
[ nueva ecuacin 3 ] :
x3 =3
El nuevo sistema tiene una forma triangular:
X 1 +2 X 2 + X 3 =0 1 2 1 0
X 24 X 3=4 0 1 4 4
0 0
1 3
X 3 =3
]
12
Al final, se desear eliminar el trmino 2x2 de la ecuacin 1, pero resulta

ms eficiente utilizar primero x3 en la ecuacin 3, para eliminar los
trminos 4x3 y +x3 en las ecuaciones 2 y 1. Los dos clculos mentales
son
4 x 3=12 1 [ ecuacin3 ] :
x 3=3
4 [ ecuacin3 ] :
+ [ ecuacin 2 ] : x2 4 x 3=4 + [ ecuacin 1 ] : x 12 x 2+ x 3=0
[ nueva ecuacin2 ] : x 2=16 [ nueva ecuacin 1 ] : x 12 x 2=3
Es conveniente combinar los resultados de estas dos operaciones:
X 12 X 2=3 1 2 0 3
X 2=16
0 1 0 16
0 0 1 3
X 3=3
Ahora, despus de haber limpiado la columna que est sobre la x3 en la

ecuacin 3, regrese a la x2 en la ecuacin 2 y sela para eliminar el 2x2
ubicado sobre ella. Debido al trabajo previo realizado con x3, ahora no
existe ninguna operacin que involucre a trminos de x3.
Sume dos veces la ecuacin 2 a la ecuacin 1 para obtener el sistema
13
{ [
X 1=29 1 0 0 29
X 2=16 0 1 0 16
X 3=3 0 0 1 3
En esencia, el trabajo ya est hecho. Se observa que la solucin nica

del sistema original es (29, 16, 3). Sin embargo, como hay muchos
clculos involucrados, resulta una buena prctica verificar las
operaciones. Para comprobar que (29, 16, 3) es una solucin, sustituya
estos valores en el lado izquierdo del sistema original, y calcule: (29)
2(16) + (3) = 29 32 + 3 = 0
2(16) 8(3) = 32 24 = 8
4(29) + 5(16) + 9(3) = 116 + 80 + 27 = 9
Los resultados coinciden con el lado derecho del sistema original, as que
(29, 16, 3) es una solucin del sistema.
En el ejemplo 1 se ilustra cmo, en un sistema lineal, las operaciones
sobre ecuaciones corresponden a las operaciones sobre las filas
apropiadas de la matriz aumentada.
3. OPERACIONES ELEMENTALES DE FILA
14
1. (Reemplazo) Reemplazar una fila por la suma de s misma y un

mltiplo de otra fila.2
2. (Intercambio) Intercambiar dos filas.
3. (Escalamiento) Multiplicar todas las entradas de una fila por una
constante distinta de cero.
Las operaciones de fila pueden aplicarse a cualquier matriz, no

nicamente a una que surja como la matriz aumentada de un sistema
lineal. Se dice que dos matrices son equivalentes por filas si existe una
sucesin de operaciones elementales de fila que convierta una matriz en
la otra.
Es importante advertir que las operaciones de fila son reversibles. Si dos
filas se intercambian, pueden regresarse a sus posiciones originales
mediante otro intercambio. Si una fila se escala mediante una constante
c distinta de cero, al multiplicar despus la nueva fila por 1/c se obtiene la
fila original. Por ltimo, considere una operacin de reemplazo que
involucra dos filas por ejemplo, las filas 1 y 2 y suponga que a la fila 2
se le suma la fila 1 multiplicada por c para producir un nueva fila 2. Si
desea revertir esta operacin, sume a la nueva fila 2 la fila 1
multiplicada por c y obtenga la fila 2 original. Vea los ejercicios 29 a 32
al final de esta seccin.
Por el momento, nuestro inters reside en las operaciones de fila sobre
la matriz aumentada de un sistema de ecuaciones lineales. Suponga un
sistema que se transforma en otro nuevo mediante operaciones de fila.
15
Al considerar cada uno de los tipos de operaciones de fila, puede

advertirse que cualquier solucin del sistema original contina siendo una
solucin del sistema nuevo. As mismo, como el sistema original puede
producirse mediante operaciones de fila sobre el sistema nuevo, cada
una de las soluciones del sistema nuevo tambin es una solucin del
sistema original. Esta explicacin justifica el hecho siguiente.
Si las matrices aumentadas de dos sistemas lineales son equivalentes por
filas, entonces los dos sistemas tienen el mismo conjunto solucin.
Aunque el ejemplo 1 es extenso, puede afirmarse que, despus de algn
tiempo de prctica, los clculos se ejecutan con rapidez. Por lo general,
en el texto y en los ejercicios las operaciones de fila sern muy fciles de
realizar, lo cual permitir que el estudiante se enfoque en los conceptos
importantes. No obstante, se recomienda aprender a realizar operaciones
de fila de manera precisa porque se utilizarn a lo largo de todo el libro.
En el resto de esta seccin se muestra cmo utilizar las operaciones de
fila para determinar el tamao de un conjunto solucin, sin resolver por
completo el sistema lineal.
NOTA NUMRICA
En problemas reales, los sistemas de ecuaciones lineales se resuelven
empleando una computadora. Para una matriz de coeficientes cuadrada,
los programas de cmputo casi siempre usan el algoritmo de eliminacin
que se presenta aqu en la seccin 1.2, con pequeas modificaciones
para mejorar su precisin.
16
La gran mayora de los problemas de lgebra lineal que se presentan en

los negocios y la industria se resuelven con programas que utilizan la
aritmtica de punto flotante. Los nmeros se representan como decimales
.d1 dp 10r, donde r es un entero y el nmero p de dgitos a la
derecha del punto decimal usualmente se encuentra entre 8 y 16.
Normalmente, las operaciones aritmticas con estos nmeros resultan
inexactas, porque el resultado debe redondearse (o truncarse) al nmero
de dgitos almacenados. El error de redondeo tambin se presenta
cuando un nmero como 1/3 es introducido a la computadora, puesto que
su representacin debe aproximarse mediante un nmero finito de dgitos.
Por fortuna, las inexactitudes de la aritmtica de punto flotante muy pocas
veces causan problemas. Las notas numricas incluidas en este libro lo
prevendrn, ocasionalmente, sobre aspectos que podr necesitar tener en
consideracin ms adelante en su carrera.
4. REDUCCIN POR FILAS Y FORMAS ESCALONADAS

En esta seccin se perfecciona el mtodo de un algoritmo de reduccin
por filas que permitir analizar cualquier sistema de ecuaciones lineales.
Las preguntas fundamentales de existencia y unicidad, expuestas en la
seccin 1.1, podrn contestarse utilizando la primera parte del algoritmo.
El algoritmo se aplica a cualquier matriz, ya sea vista como una matriz
aumentada para un sistema lineal o no. Entonces, la primera parte de
esta seccin trata acerca de una matriz rectangular arbitraria. Se
comienza por introducir dos clases importantes de matrices que incluyen
las
matrices
triangulares.
En
las
17
definiciones
presentadas
continuacin, una fila o una columna distinta de cero en una matriz sern
una fila o una columna que contengan al menos una entrada diferente de
cero; una entrada principal de una fila se refiere a la entrada diferente de
cero que se encuentra ms a la izquierda (en una fila distinta de cero).
DEFINICIN
Una matriz rectangular est en forma escalonada (o en forma
escalonada por filas) si tiene las tres propiedades siguientes:
1. Todas las filas distintas de cero estn arriba de cualquier fila integrada
slo por ceros.
2. Cada entrada principal de una fila est en una columna situada a la
derecha de la entrada principal de la fila que se encuentra arriba de
dicha entrada.
3. Todas las entradas que se localicen en una columna situada debajo de
una entrada principal son ceros.
Si una matriz en forma escalonada satisface las siguientes condiciones
adiciona- les, entonces se encuentra en forma escalonada reducida (o
forma escalonada reducida por filas):
1. La entrada principal de cada fila distinta de cero es 1.
2. Cada 1 principal es la nica entrada distinta de cero en su columna.
Una
matriz
escalonada
(respectivamente,
matriz
escalonada
reducida) es una matriz que est en forma escalonada (respectivamente,

forma escalonada reducida). La propiedad 2 enuncia que las entradas
18
principales forman un patrn escalonado (como escalera) que avanza

hacia abajo y a la derecha de la matriz. La propiedad 3 es una simple
consecuencia de la propiedad 2, pero se incluy aqu para enfatizarla.
Las matrices triangulares, tales como
][
2 3 2
1
1 0 0 29
0 1 4 8 y 0 1 0 16
0 0
0 5/2 0 0 1 3
Cualquier matriz distinta de cero se puede reducir por filas (esto es,
transformarse mediante operaciones elementales de fila) para producir
ms de una matriz en forma escalonada, para ello se usan diferentes
sucesiones de operaciones de fila. Sin embargo, la forma escalonada
reducida que se obtiene a partir de una matriz es nica. El teorema
siguiente se comprueba en el apndice A incluido al final del texto.
4.1. Algoritmo de reduccin por filas

El algoritmo que se describe enseguida consta de cuatro pasos, y produce
una matriz en forma escalonada. Un quinto paso produce una matriz en
forma escalonada reducida. El algoritmo se ilustra mediante un ejemplo.
Ejemplo. Aplique operaciones elementales de fila para transformar la

siguiente matriz a la forma escalonada y despus a la forma escalonada
reducida:
19
0 3 6 6 4 5
3 7 8 5 8 9
3 9 12 9 6 15
Solucin
PASO 1
Empiece con la columna distinta de cero que se encuentra ms a la
izquierda. En este caso es una columna pivote. La posicin pivote est en
la parte superior.
0
3 6 6 4 5
3 7 8 5 8 9
3 9 12 9 6 15
pivote
PASO 2
Seleccione como pivote una entrada distinta de cero en la columna pivote.
Si es necesario, intercambie filas para mover esta entrada a la posicin
pivote.
Intercambie las filas 1 y 3. (Tambin podran haberse intercambiado las
filas 1 y 2.)
20
pivote
3 9 12 9 6 15
3 7 8 5 8 9
0 3 6 6 4 5
PASO 3
Use operaciones de reemplazo de fila para crear ceros en todas las
posiciones ubicadas debajo del pivote.
Como paso preliminar, se podra dividir la fila superior entre el pivote, 3.

Pero con dos nmeros 3 en la columna 1, esto es tan fcil como sumar la
fila 1 multiplicada por 1 a la fila 2.
pivote
3 9 12 9 6 15
0 2 4 4 2 6
0 3 6 6 4 5
PASO 4
21
Cubra (o no tome en cuenta) la fila que contiene la posicin pivote y cubra

todas las filas, si existe alguna, por encima de sta. Aplique los pasos 1, 2
y 3 a la submatriz restante. Repita el proceso hasta que no haya ms
filas distintas de cero por modificar.
Con la fila 1 cubierta, el paso 1 muestra que la columna 2 es la siguiente
columna pivote; para el paso 2, en dicha columna se seleccionar como
pivote la entrada superior.
3 9 12 9 6 15
0 2 4 4 2 6
0 3 6 6 4 5
Para el paso 3, se podra insertar el paso opcional de dividir la fila

superior de la submatriz entre el pivote 2. En vez de eso, se suma 3/2
veces la fila superior a la fila de abajo. Esto produce
3 9 12 9 6 15
0 2 4 4 2 6
0 0
0 0 1 4
Cuando se cubre la fila que contiene la segunda posicin pivote para el

paso 4, queda una nueva submatriz que tiene solamente una fila:
3 9 12 9 6 15
0 2 4 4 2 6
0 0
0 0 1 4
]
pivote
22
Se ha alcanzado una forma escalonada para la matriz completa sin tener

que aplicar los pasos 1, 2 y 3 en esta submatriz. Si se quisiera obtener la
forma escalonada reducida, tendra que efectuarse un paso ms.
PASO 5
Empiece con el pivote situado ms a la derecha trabajando hacia arriba y
a la izquierda, cree ceros arriba de cada pivote. Si un pivote no es 1,
hgalo 1 mediante una operacin de escalamiento.
El pivote situado ms a la derecha est en la fila 3. Se crean ceros encima
de l, sumando mltiplos adecuados de la fila 3 a las filas 2 y 1.
3 9 12 9 0 9
fila 1+ ( 6 ) fila 3
0 2 4 4 0 14
fila 2+ (2 ) fila 3
0 0
0 0 1
4
El siguiente pivote est en la fila 2. Escale esta fila dividindola entre el

pivote.
3 9 12 9 0 9
0 1 2 2 0 7 fila 1+ ( 6 ) fila 3
0 0
0 0 1 4
Se crea un cero en la columna 2 sumando 9 veces la fila 2 a la fila 1.
23
3 0 6 9 0 72
0 1 2 2 0 7 fila 1+ ( 9 ) fila 2
0 0 0 0 1
4
Por ltimo, se escala la fila 1 al dividirla entre el pivote 3.
1 0 2 3 0 24
1
0 1 2 2 0 7 fila escalada por
3
0 0 0 0 1
4
sta es la forma escalonada reducida de la matriz original.

La combinacin de los pasos 1 a 4 se llama fase progresiva del algoritmo
de reduccin por filas. El paso 5, que produce la forma escalonada
reducida nica, se llama fase regresiva.
NOTA NUMRICA
En el paso 2 que se mostr con anterioridad, un programa de
computadora generalmente selecciona como pivote en una columna la
entrada que tenga el mayor valor absoluto. Esta estrategia, llamada
pivoteo parcial, se usa porque reduce los errores de redondeo en los
clculos.
4.2. Soluciones de sistemas lineales
24
El algoritmo de reduccin por filas conduce directamente a una

descripcin explcita del conjunto solucin de un sistema lineal cuando
se aplica, el algoritmo, a la matriz aumentada del sistema.
Por ejemplo, suponga que la matriz aumentada de un sistema lineal ha
sido transformada en la forma escalonada reducida equivalente
1 0 5 1
0 1 1 4
0 0 0 0
Existen tres variables porque la matriz aumentada tiene cuatro columnas.

El sistema de ecuaciones asociado es
x1 5x3 = 1
x2 + x3 = 4
0= 0
Las variables x1 y x2 correspondientes a columnas pivote de la matriz
se denominan variables bsicas. La otra variable, x3, se llama variable
libre.
Cuando un sistema es consistente, como en (4), el conjunto solucin
puede describirse de manera explcita al resolver el sistema de
ecuaciones reducido para las variables bsicas en trminos de las
variables libres. Esta operacin es posible debido a que la forma
escalonada reducida coloca cada variable bsica en una, y slo una,
ecuacin. En (4), se puede despejar x1 de la primera ecuacin y x2 de la
25
segunda. (La tercera ecuacin no se toma en cuenta porque no ofrece

restricciones a las variables.)
x 1=1+5 x 3
x2=4x 3
x3 es libre
Al afirmar que x3 es libre, se implica la posibilidad de asignarle cualquier

valor. Una vez que se efecta esta asignacin, las frmulas de (5)
determinan los valores para x1 y x2. Por ejemplo, cuando x3 = 0, la
solucin es (1, 4, 0); cuando x3 = 1, la solucin es (6, 3, 1). Cada
asignacin diferente de x3 determina una solucin (diferente) del sistema,
y cada solucin del sistema est determinada por una asignacin de x3.
La solucin de (5) se denomina solucin general del sistema porque
proporciona una descripcin explcita de todas las soluciones.
Ejemplo. Encuentre la solucin general del sistema lineal cuya matriz
aumentada se ha reducido
1 6 2 5 2 4
0 0 2 8 1 3
0 0 0 0
1
7
Solucin La matriz est en forma escalonada, pero se requiere la forma

escalonada reducida antes de despejar las variables bsicas. A
continuacin se completa la reduccin por filas. El smbolo ~ colocado
antes de una matriz indica que sta es equivalente por filas a la matriz
precedente.
26
[
[
][
][
1 6 2 5 2 4
1 6 2 5 0 10
0 0 2 8 1 3 0 0 2 8 0 10
0 0 0 0
1
7
0 0 0 0 1 7
1 6 2 5 0 10
1 6 0 3 0 0
0 0 1 4 0 5 0 0 14 0 5
0 0 0 0 1 7
0 0 0 0 1 7
Existen cinco variables puesto que la matriz aumentada tiene seis

columnas. Ahora el sistema asociado es
x1 + 6x2 + 3x4 = 0
x3 4x4 = 5
x5 = 7
Las columnas pivote de la matriz son 1, 3 y 5; as que las variables
bsicas son x1, x3 y x5. Las variables restantes, x2 y x4, deben ser libres.
Al despejar las variables bsicas, se obtiene la solucin general:
x 1=6 x 23 x 4
x 2 es libre
x3 =5+4 x 4
x 4 es libre
x 5=7
Observe que el valor de x5 ya qued fijado por la tercera ecuacin del

sistema (6).
27
4.3. Descripciones paramtricas de conjuntos solucin

Las descripciones en (5) y (7) son descripciones paramtricas de
conjuntos solucin en los cuales las variables libres actan como
parmetros. La resolucin de un sistema significa encontrar una
descripcin paramtrica del conjunto solucin, o determinar que el
conjunto solucin est vaco.
Cuando un sistema es consistente y tiene variables libres, el conjunto
solucin permite obtener muchas descripciones paramtricas. Por
ejemplo, en el sistema (4) se podra sumar cinco veces la ecuacin 2 a la
ecuacin 1 y obtener el sistema equivalente
x1 + 5x2 = 21
x2 + x3 = 4
Podra tratarse a x2 como parmetro y despejar x1 y x3 en trminos de
x2, y se tendra una descripcin precisa del conjunto solucin. Sin
embargo, para ser consistente, se establece la convencin (arbitraria) de
usar siempre las variables libres como parmetros para describir un
conjunto solucin. (La seccin de respuestas incluida al final del texto
refleja tambin esta convencin.)
Cuando un sistema es inconsistente, el conjunto solucin est vaco,
incluso si el sistema tiene variables libres. En este caso, el conjunto
solucin no tiene representacin paramtrica.
4.4. Sustitucin regresiva
28
Considere el sistema siguiente cuya matriz aumentada est en forma

escalonada pero no en forma escalonada reducida:
x1 7x2 + 2x3 5x4 + 8x5 = 10
x2 3x3 + 3x4 + x5 = 5
x4 x5 = 4
Un programa de computadora resolvera este sistema por sustitucin

regresiva, en lugar de calcular la forma escalonada reducida. Esto es, el
programa resolvera la ecuacin 3 para x4 en trminos de x5 y sustituira
la expresin para x4 en la ecuacin 2; resolvera la ecuacin 2 para x2 y
luego sustituira las expresiones para x2 y x4 en la ecuacin 1 y
despejara x1.
El formato matricial que se utiliza en este texto para aplicar la fase
regresiva de reduccin por filas, la cual produce la forma escalonada
reducida, requiere el mismo nmero de operaciones aritmticas que la
sustitucin regresiva. Pero la disciplina del formato matricial reduce
sustancialmente la posibilidad de cometer errores durante los clculos
efectuados a mano. Se recomienda de manera enftica usar solamente la
forma escalonada reducida para resolver un sistema.
5. ECUACIONES VECTORIALES
Importantes propiedades de los sistemas lineales pueden ser descritas
mediante el concepto y la notacin de vectores. Esta seccin relaciona
ecuaciones que involucran vectores con sistemas de ecuaciones
29
ordinarias. El trmino vector aparece en varios contextos matemticos y

fsicos que se estudiarn en el captulo 4, Espacios vectoriales. Hasta
entonces, el trmino vector se usar para denotar una lista de nmeros.
Esta idea sencilla permite realizar aplicaciones interesantes e importantes
con la mayor rapidez posible.
5.1. Vectores en R2
Una matriz con una sola columna se llama vector columna o
simplemente vector. Los siguientes son ejemplos de vectores con dos
entradas
[ ] [] [ ]
u= 3 , v= .2 , w= w1
1
.3
w2
30
donde w1 y w2 son cualesquiera nmeros reales. El conjunto de todos

los vectores con dos entradas se denota mediante R2 (lea r-dos). La R
representa el conjunto de los nmeros reales que aparecen como
entradas en los vectores, y el exponente 2 indica que cada vector
contiene dos entradas.
Dos vectores en R2 son iguales si, y slo si, sus entradas
correspondientes son iguales. As,
[]
4
7
[]
7
4
no son iguales. Se
dice que los vectores en R2 son pares ordenados de nmeros reales.

Dados dos vectores u y v en R2, su suma es el vector u + v que se
obtiene al sumar las entradas correspondientes de u y v. Por ejemplo,
1+ 2 = 3
[21 ]+[ 25]=[2+5
] [3 ]
Dados un vector u y un nmero real c, el mltiplo escalar de u por c es
el vector cu que se obtiene al multiplicar cada entrada de u por c. Por
ejemplo,
[ ]
[ ][ ]
si u= 3 y c=5 , entonces cu=5 3 = 15

1
1 5
El nmero c de cu se llama escalar, y se escribe en letra cursiva para

distinguirlo del vector en negritas u.
Las operaciones de multiplicacin por un escalar y suma de vectores se

pueden combinar.
5.2. Descripciones geomtricas de R2
Considere un sistema de coordenadas rectangulares en el plano. Como
cada punto en el plano est determinado por un par ordenado de
nmeros, puede identificarse un punto geomtrico (a, b) con el vector
columna
[]
a
b
. . Por lo tanto, puede considerarse a R2 como el
conjunto de todos los puntos en el plano.
Con frecuencia, la visualizacin geomtrica de un vector como
[ ]
3
1
resulta beneficiada con la inclusin de una flecha (segmento de recta

dirigido) desde el origen (0, 0) hasta el punto (3, 1), como en la figura 2.
En este caso, los puntos individuales a lo largo de la flecha no tienen
significado especial.
La suma de dos vectores tiene una representacin geomtrica til. La

siguiente regla puede verificarse por medio de geometra analtica.
6. REGLA DEL PARALELOGRAMO PARA LA SUMA
Si u y v en R2 se representan como puntos en el plano, entonces u + v
corresponde al cuarto vrtice del paralelogramo cuyos otros vrtices son
u, 0 y v.
[] [ ]
[ ]
u= 2 . v= 6 , y u+v = 4
2
1
3
Ejemplo. Los vectores se representan en la siguiente figura:
6.1. Vectores en R3
Los vectores en R3 son matrices columna de 3 1 con tres entradas.
Se representan geomtricamente por medio de puntos en un espacio
coordenado de tres dimensiones, algunas veces se incluyen flechas
desde el origen para proporcionar mayor claridad visual. Los vectores
[]
2
a= 3
4
y 2a se muestran en la figura 6.
6.2. Vectores en Rn
Si n es un entero positivo, Rn (lea r-n) denota la coleccin de todas las
listas (o nadas ordenadas) de n nmeros reales, escritas, por lo general,
como matrices columna de n 1 del tipo
[]
u2
u3
un
El vector cuyas entradas son todas iguales a cero se llama vector cero y
se denota mediante 0. (El nmero de entradas en 0 ser evidente a partir
del contexto.)
La igualdad de vectores en Rn y las operaciones de multiplicacin escalar
y suma de vectores en Rn se definen entrada por entrada igual que en
R2. Estas operaciones de vectores tienen las siguientes propiedades, que
se pueden verificar en forma directa a partir de las propiedades
correspondientes para nmeros reales.
7. PROPIEDADES ALGEBRAICAS DE Rn
Para todos u, v y w en Rn y todos los escalares c y d:
(i)
u+v=v+u
(v) c(u + v) = cu + cv
(ii)
(u + v) + w = u + (v + w)
(iii)
u + 0 = 0 + u = u (vii) c(du) = (cd)(u)
(iv)
u + (u) = u + u = 0, (viii) 1u = u. donde u denota a (1)u
(vi) (c + d)u = cu + du
7.1. Combinaciones lineales

Dados los vectores v1, v2, . . . , vp en Rn y los escalares c1, c2, . . . , cp,
el vector y definido por
y = c1v1 + + cp vp
se llama combinacin lineal de v1, v2, . . . , vp con pesos c1, c2, . . . ,
cp. La propiedad (ii) enunciada anteriormente permite omitir los
parntesis cuando se forma una combinacin lineal de este tipo. En una
combinacin lineal, los pesos pueden ser cualesquiera nmeros reales,
incluso el cero. Por ejemplo, algunas combinaciones lineales de los
vectores v1 y v2 son
3 v1 + v2,
1
=1 v 1+0 v 2 , y
2
0( 0 v 1+0 v 2)
7.2. Una descripcin geomtrica de Gen{v} y Gen{u, v}

Sea v un vector diferente de cero en R3. Entonces Gen{v} es el conjunto
de todos los mltiplos escalares de v, y se visualiza como el conjunto de
puntos sobre la lnea en R3 que pasa por v y 0. Vea la figura 10.
Si u y v son vectores diferentes de cero en R3, y v no es un mltiplo de u,
entonces Gen{u, v} es el plano en R3 que contiene a u, v y 0. En
particular, Gen{u, v} contiene la lnea en R3 que pasa por u y 0 y la lnea
que pasa por v y 0. Vea la figura 11.
7.3. Combinaciones lineales en aplicaciones

El ejemplo final muestra cmo pueden surgir mltiplos escalares y
combinaciones lineales cuando una cantidad, tal como un costo, se
descompone en varias categoras. El principio bsico para el ejemplo se
relaciona con el costo de producir varias unidades de un artculo cuando
se conoce el costo por unidad:
de costo por = costo
{numero
unidades } { unidad } { total }
8. LA ECUACIN MATRICIAL Ax = b
Una idea fundamental en el lgebra lineal es visualizar una combinacin
lineal de vectores como el producto de una matriz y un vector.
8.1. DEFINICIN
Si A es una matriz de m n, con columnas a 1, . . . , a n, y si x est en R n,
entonces el producto de A y x, denotado por Ax, es la combinacin lineal
de las columnas de A utilizando las correspondientes entradas en x como
pesos; esto es,
Ax= [ a1 a2 an ]
[]
x1
=x 1 a1 + x 2 a 2+ + x n a n
xn
Observe que Ax est definida slo si el nmero de columnas de A es igual

al nmero de entradas en x.
Ejemplo:
}[ ] [ ] [ ] [ ]
4
1
2
1
1
2 + 7 1
a.
3 =4 +3
0 5 3
0
5
3
7
[][ ][ ][]
4
6
7
3
+
+
=
0 15
21
6
[ ][ ] [ ] [ ] [ ] [ ] [ ]
2 3
2
3
8
21 13
4 =4
b. 8
+7
=
+
0
8
0
32
0 = 32
7
5 2
5
2
20
14
6
TEOREMA 3
Si A es una matriz de m n, con columnas a1, . . . , an,

y si b est en Rm, la ecuacin matricial
Ax = b
tiene el mismo conjunto solucin que la ecuacin vectorial
x1a1 + x2a2 + + xnan = b
la cual, a su vez, tiene el mismo conjunto solucin que el sistema de
ecuaciones lineales cuya matriz aumentada es
[ a1 a2 an
b]
El teorema 3 proporciona una herramienta poderosa para adquirir una

mejor percepcin de los problemas en lgebra lineal, porque ahora es
posible ver un sistema de ecuaciones lineales de tres maneras distintas
pero equivalentes: como una ecuacin matricial, como una ecuacin
vectorial o como un sistema de ecuaciones lineales. Cuando se construye
un modelo matemtico sobre algn problema de la vida real, se tiene la
libertad de elegir el punto de vista que resulte ms natural. Luego,
segn sea conveniente, puede cambiarse de una formulacin a otra. De
cualquier manera, la ecuacin matricial, la ecuacin vectorial, y el sistema
de ecuaciones se resuelven todos de igual forma: reduciendo por filas la
matriz aumentada (6). Posteriormente, se analizarn otros mtodos de
solucin.
8.2. Propiedades del producto matriz-vector Ax
Los enunciados del teorema siguiente son importantes y se usarn a lo

largo del texto. La demostracin est basada en la definicin de Ax y en
las propiedades algebraicas de Rn.
TEOREMA Si A es una matriz de m n, u y v son vectores en R n, y c es
un escalar, entonces
a.
A(u + v) = Au + Av;
b.
A(cu) = c(Au)
DEMOSTRACIN
En aras de la simplicidad, tome n = 3, A = [a1
a2
a3], y u, v en R3. (La demostracin del caso general es similar.) Para i =

1, 2, 3, sean ui y vi las i-simas entradas de u y v, respectivamente. Para
demostrar el enunciado (a), calcule A(u + v) como una combinacin lineal
de las columnas de A usando como pesos las entradas de u + v.
A ( u+v ) =[ a1 a2 a3 ]
[ ]
u 1+ v 1
u 2+ v 2
u 3+ v 3
( u1 +v 1 ) a1 + ( u 2+ v 2 ) a2 + ( u3 + v3 ) a 3
( u1 a1 +u2 a2 +u3 a3 ) + ( v 1 a 1+ v 2 a 2+ v 3 a3 )
Au+ Av
Para demostrar el enunciado (b), calcule A(cu) como una combinacin

lineal de las columnas de A usando como pesos las entradas de cu.
A ( cu ) =[ a1 a2 a3 ]
[]
cu1
cu2 =( cu1 ) a1 + ( cu 2 ) a2 + ( cu3 ) a 3
cu3
c ( u 1 a 1) + c ( u 2 a 2 ) + c ( u 3 a 3 )
c ( u 1 a 1+u 2 a 2+u 3 a 3 )
c ( Au )
NOTA NUMRICA
Si se desea optimizar un algoritmo de computadora para calcular Ax, la
secuencia de clculos debe incluir datos almacenados en posiciones
contiguas de memoria. Los algoritmos profesionales que ms se usan
para clculos de matrices estn escritos en Fortran, un lenguaje que
almacena una matriz como un conjunto de columnas. Tales algoritmos
calculan Ax como una combinacin lineal de las columnas de A. En contraste, si un programa est escrito en el popular lenguaje C, que
almacena las matrices por filas, Ax deber calcularse mediante la regla
alternativa que utiliza las filas de A.
DEMOSTRACIN DEL TEOREMA

Tal como se defini despus del teorema 4, los enunciados (a), (b) y (c)
son lgicamente equivalentes. Entonces, resulta suficiente demostrar
(para una matriz A arbitraria) que (a) y (d) son ambos verdaderos o
ambos falsos. En tal caso, los cuatro enunciados sern todos ciertos o
todos falsos.
Sea U una forma escalonada de A. Dado b en Rm, la matriz aumentada
[A
b] se puede reducir por filas a una matriz aumentada [U
d] para
alguna d presente en Rm:

[ A b ] [ U d ]
Si el enunciado (d) es cierto, entonces cada fila de U contiene una
posicin pivote y no puede haber pivotes en la columna aumentada. As
que Ax = b tiene una solucin para cualquier b y (a) es verdadero. Si (d)
es falso, la ltima fila de U es de slo ceros. Sea d cualquier vector con
un 1 en su ltima entrada. Entonces [U d] representa un sistema
inconsistente. Como las operaciones por filas son reversibles, [U d]
puede transformarse a la forma [A b]. El nuevo sistema Ax = b tambin
es inconsistente, y (a) es falso.
9. CONJUNTOS SOLUCIN DE LOS SISTEMAS LINEALES
En lgebra lineal, los conjuntos solucin de los sistemas lineales son
objetos de estudio importantes. Posteriormente aparecern en diversos
contextos. Esta seccin utiliza notacin vectorial para dar descripciones
explcitas y geomtricas de dichos conjuntos solucin.
9.1. Sistemas lineales homogneos

Se dice que un sistema de ecuaciones lineales es homogneo si se
puede escribir en la forma Ax = 0, donde A es una matriz de m n y 0 es
el vector cero en Rm. Un sistema Ax = 0 como ste siempre tiene al
menos una solucin, a saber, x = 0 (el vector cero en Rn). Por lo general,
esta solucin cero se denomina solucin trivial. Para una ecuacin dada
Ax = 0, la pregunta importante es si existe o no una solucin no trivial,
esto es, un vector x diferente de cero que satisfaga Ax = 0. El teorema de
existencia y unicidad de la seccin 1.2 (teorema 2) conduce de inmediato
al siguiente enunciado.
La ecuacin homognea Ax = 0 tiene una solucin no trivial si, y slo si, la
ecuacin tiene por lo menos una variable libre.
Ejemplo. Determine si el siguiente sistema homogneo tiene una solucin

no trivial. Despus describa el conjunto solucin.
3x1 + 5x2 4x3 = 0
3x1 2x2 + 4x3 = 0 6x1 + x2 8x3 = 0
Solucin
Sea A la matriz de coeficientes del sistema, reduzca por filas
la matriz aumentada [A 0] a la forma escalonada.
][
][
3
5 4 0
3 5 4 0
3 5 4 0
3 2 4 0 0 3
0 0 0 3 0 0
6
1 8 0
0 9 0 0
0 0 0 0
Como x3 es una variable libre, Ax = 0 tiene soluciones no triviales (una

para cada valor de x3). Para describir el conjunto solucin, contine la
reduccin por filas de [A 0] hasta la forma escalonada reducida:
3
5 4 0
4
x =0 x 2=0 0=0
3 2 4 0 x 1
3 3
6
1 8 0
3
Resuelva para las variables bsicas x1 y x2 y obtenga x1 = 4 x3, x2 = 0,
con x3 libre. Como vector, la solucin general de Ax = 0 tiene la forma
[][
] []
[]
4
4
x1
x3
3
x= x 2 =
=x 3 3 =x 3 v , donde v =
0
0
x3
x3
1
4
3
0
1
Aqu x3 se factoriza para obtener el vector solucin general. Esto muestra

que cada solucin de Ax = 0 en este caso es un mltiplo escalar de v. La
solucin trivial se obtiene al seleccionar x3 = 0. Geomtricamente, el
conjunto
solucin
es
una
lnea
en
R3
que
pasa
por
0.
Observe que una solucin no trivial x puede tener algunas entradas

iguales a cero, pero no todas.
9.2. Forma vectorial paramtrica

La ecuacin original (1) para el plano del ejemplo 2 es una descripcin
implcita del plano. Resolver esta ecuacin equivale a encontrar una
descripcin explcita del plano como el conjunto generado por u y v. La
ecuacin (2) se llama ecuacin vectorial paramtrica del plano. Una
ecuacin de este tipo se escribe algunas veces como
x = su + tv
(s, t en R)
para enfatizar que los parmetros varan sobre todos los nmeros reales.
En el ejemplo la ecuacin x = x3v (con x3 libre), o x = tv (con t en R), es
una ecuacin vectorial paramtrica de una recta. Siempre que un
conjunto solucin se describa explcitamente con vectores, como en los
ejemplos 1 y 2, se dir que la solucin est en forma vectorial
paramtrica.
9.3. Soluciones de sistemas no homogneos

Cuando un sistema lineal no homogneo tiene muchas soluciones, la
solucin general puede escribirse en forma vectorial paramtrica como un
vector ms una combinacin lineal arbitraria de vectores que satisfaga el
sistema homogneo correspondiente.
10. APLICACIONES DE LOS SISTEMAS LINEALES

Podra esperarse que un problema de la vida real que involucre lgebra
lineal tuviera slo una solucin, o quiz ninguna. El propsito de esta
seccin es mostrar cmo pueden surgir, de manera natural, sistemas
lineales con muchas soluciones. Las aplicaciones que se presentan aqu
tienen que ver con economa, qumica y flujo de redes.
10.1.
Un sistema homogneo en economa
El sistema de 500 ecuaciones con 500 variables mencionado en la

introduccin de este captulo se conoce ahora como el modelo de
entrada y salida (o de produccin) de Leontief.
Ejemplo. Suponga que la economa de una nacin se divide en muchos
sectores, tales como diversas industrias de fabricacin, comunicacin,
entretenimiento y servicio. Suponga
tambin que se conoce el
rendimiento total de cada sector para un ao y se sabe exactamente

cmo se divide este rendimiento, o se intercambia, entre los otros
sectores de la economa. El valor total en moneda (dlares en este caso)
del rendimiento de un sector ser el precio de dicho rendimiento. Leontief

demostr el resultado siguiente.
Solucin Un sector observa una columna para ver a dnde va su

produccin, y examina una fi la para ver qu necesita como entradas. Por
ejemplo, la primera fi la de la tabla 1 indica que el sector carbn recibe (y
paga por) el 40% de la produccin del sector elctrico y el 60% de la
produccin de acero. Puesto que los valores respectivos de produccin
totales son pE y pS, el sector carbn debe gastar .4pE dlares por su
parte de produccin de electricidad, y .6pS por su parte de produccin de
acero. Entonces los gastos totales del sector carbn son de .4pE + .6pS.
Para hacer que los ingresos del sector carbn, pC, sean iguales a sus
gastos, se desea
pC = .4pE + .6pS (1)
La segunda fi la de la tabla de intercambio muestra que el sector elctrico
gasta .6pC en carbn, .1pE en electricidad, y .2pS en acero. Entonces, el
requisito ingreso/gastos La segunda fi la de la tabla de intercambio
muestra que el sector elctrico gasta .6pC en carbn, .1pE en
electricidad, y .2pS en acero. Entonces, el requisito ingreso/gastos para
electricidad es
pE = .6pC + .1pE + .2pS (2)
Por ltimo, la tercera fi la de la tabla de intercambio conduce al requisito

final:
pS = .4pC + .5pE + .2pS (3)
Para resolver el sistema de ecuaciones (1), (2) y (3), traslade todas las
incgnitas al lado izquierdo de las ecuaciones y combnelas como
trminos. [Por ejemplo, a la izquierda de (2) escriba pE .1pE como .
9pE.]
pC .4pE .6pS = 0
.6pC + .9pE .2pS = 0
.4pC .5pE + .8pS = 0
Lo que sigue es reducir por fi las. Aqu, para simplificar, los decimales se
redondean a
dos posiciones.
][
][
1 .4 .6 0
1 .4 .6 0
1 .4 .6 0
.6 .9 .2 0 0 .66 .56 0 0 .66 .56 0
.4 .5 .8 0
0 .66 .56 0
0 0
0 0
][
1 .4 .6 0
1 0 .94 0
0 1 .85 0 0 1 .85 0
0 0
0 0
0 0
0 0
La solucin general es pC = .94pS, pE = .85pS, y pS es libre. El vector

precio de equilibrio para la economa tiene la forma
[][ ] [ ]
p c .94 p s
.94
P= p e = .85 p s = p s .85
1
ps
ps
Cualquier seleccin (no negativa) para pS se convierte en una seleccin

de precios de equilibrio. Por ejemplo, si se toma pS como 100 (o $100
millones), entonces pC = 94 y pE = 85. Los ingresos y gastos de cada
sector sern iguales si la produccin de carbn se valora en $94 millones,
la produccin elctrica en $85 millones, y la produccin de acero en $100
millones.
10.2.
Balanceo de ecuaciones qumicas
Las ecuaciones qumicas describen las cantidades de sustancias

consumidas y producidas por las reacciones qumicas. Por ejemplo,
cuando se quema gas propano (C3H8), ste se combina con oxgeno
(O2) para formar dixido de carbono (CO2) y agua (H2O), de acuerdo con
una ecuacin de la forma (x1)C3H8 + (x2)O2 (x3)CO2 + (x4)H2O (4)
Para balancear esta ecuacin, un qumico debe encontrar nmeros
enteros x1, . . . , x4 tales que el nmero total de tomos de carbono (C),
hidrgeno (H) y oxgeno (O) situados a la izquierda sea igual al nmero
correspondiente de tomos ubicados a la derecha (porque los tomos no
se crean ni se destruyen en la reaccin).
Un mtodo sistemtico para balancear ecuaciones qumicas consiste en
establecer una ecuacin que describa el nmero de tomos de cada tipo
presente en una reaccin.
Como la ecuacin (4) involucra tres tipos de tomo (carbono, hidrgeno y

oxgeno), construya un vector en R3 para cada reactivo y producto en (4)
que enliste el nmero de
tomos por molcula, como sigue:
[] [] [] []
3
0
1
0 carbn
C3 H 8 : 8 , O2 : 0 , CO2 : 0 , H 2 O : 2 Hidrgeno
0
2
2
1 Oxgeno
Para balancear la ecuacin (4), los coeficientes x1, . . . , x4 debe

satisfacer
[] [] [] []
3
0
1
0
x 1 8 + x 2 0 =x 3 0 + x 4 2
0
2
2
1
Para resolver, traslade todos los trminos a la izquierda (cambiando los

signos en los vectores tercero y cuarto):
[] [] [ ] [ ][]
3
0
1
0
0
x 1 8 + x 2 0 =x 3 0 + x 4 2 = 0
0
2
2
1
0
La reduccin por fi las de la matriz aumentada para esta ecuacin

conduce a la solucin General
x1 = 14
x4, x2 = 54
x4, x3 = 34
x4, con x4 libre
Como los coeficientes en una ecuacin qumica deben ser enteros, tome
x4 = 4, en tal caso, x1 = 1, x2 = 5 y x3 = 3. La ecuacin balanceada es
C3H8 + 5O2 3CO2 + 4H2O
La ecuacin tambin estara balanceada si, por ejemplo, cada uno de los
coefi cientes se duplicara. Sin embargo, para la mayora de los
propsitos, los qumicos prefieren usar una ecuacin balanceada cuyos
coeficientes sean los nmeros enteros ms pequeos posibles.
10.3.
Flujo de redes
Los sistemas de ecuaciones lineales surgen de manera natural cuando

cientficos, ingenieros o economistas estudian el flujo de algunas
cantidades a travs de una red. Por ejemplo, los planeadores urbanos e
ingenieros de trfico monitorean el patrn de flujo del trfico en una
cuadrcula formada por las calles de una ciudad. Los ingenieros elctricos
calculan el flujo de corriente que transportan los circuitos elctricos. Y los
economistas analizan la distribucin de productos entre fabricantes y
consumidores que tiene lugar mediante una red de mayoristas y
vendedores al menudeo. Para muchas redes, los sistemas de ecuaciones
involucran cientos e incluso miles de variables y ecuaciones.
Una red consiste en un conjunto de puntos llamados uniones o nodos,

con lneas o arcos denominados ramas que conectan a algunos o todos
los nodos. La direccin del flujo se indica en cada arco y la cantidad (o
tasa) de flujo se muestra o se denota por medio de una variable.
El supuesto bsico del flujo de redes es que el flujo que entra a la red es
el mismo que sale de la red, y que el flujo entrante en un nodo es igual al
flujo saliente del nodo.
Por ejemplo, en la fi gura 1 se muestran 30 unidades que fluyen hacia un
nodo a travs de un arco, con x1 y x2 denotando los flujos que salen del
nodo por otros arcos. Como el lujo se conserva en cada nodo, debe ser
cierto que x1 + x2 = 30. De manera similar, el flujo en cada nodo se
describe por medio de una ecuacin lineal. El problema del anlisis de
redes consiste en determinar el flujo presente en cada arco cuando se
conoce cierta informacin parcial (como las entradas a la red).
CAPITULO II
APLICACIN A LOS NEGOCIOS
INTRODUCCION A LA PROGRAMACIN LINEAL
PROGRAMACIN LINEAL
Es un enfoque de solucin de problemas elaborado para ayudar a tomar

decisiones. Es un modelo matemtico con una funcin objetivo lineal, un
conjunto de restricciones lineales variables no negativas. En el ambiente
de negocios actual, pueden encontrarse gran cantidad de aplicaciones.
La funcin objetivo define la cantidad que se va a maximizar o minimizar
en un modelo de programacin lineal.
Las restricciones limitan o reducen el grado en que puede perseguirse el
objetivo.
Las variables son las entradas controlables en el problema.
Para resolver un problema de programacin lineal es recomendable
seguir ciertos pasos que son:
1. Entender el problema a fondo.
2. Describir el objetivo.
3. Describir cada restriccin.
4. Definir las variables de decisin.
5. Escribir el objetivo en funcin de las
variables de decisin.
6. Escribir las restricciones en funcin de
las variables de decisin.
7. Agregar las restricciones de no negatividad.
TRMINOS CLAVE
Modelo Matemtico
Representacin de un problema donde el objetivo y todas las condiciones
de restriccin se describen con expresiones matemticas.
Restricciones de no negatividad
Conjunto de restricciones que requiere que todas las variables sean no
negativas.
Solucin Factible
Solucin que satisface simultneamente todas las restricciones.
Regin Factible
Conjunto de todas las soluciones factibles.
Variable de holgura
Variable agregada al lado izquierdo de una restriccin de "menos o igual
que" para convertir la restriccin en una igualdad. El valor de esta
variable comnmente puede interpretarse como la cantidad de recurso
no usado.
Forma Estndar
Programacin lineal en el que todas las restricciones estn escritas como
igualdades. La solucin ptima de la forma estndar de un programa
lineal es la misma que la solucin ptima de la formulacin original del
programa lineal.
Punto Extremo
Desde el punto de vista grfico, los puntos extremos son los puntos de
solucin factible que ocurren en los vrtices o "esquinas" de la regin
factible. Con problemas de dos variables, los puntos extremos estn
determinados por la interseccin de las lneas de restriccin.
Variable de Excedente
Variable restada del lado izquierdo de una restriccin de "mayor o igual
que" para convertir dicha restriccin en una igualdad. Generalmente el
valor de esta variable puede interpretarse como la cantidad por encima
de algn nivel mnimo requerido.
EJEMPLO DE UN PROBLEMA DE MAXIMIZACIN MTODO
GRFICO Y ALGEBRAICO
basados en sustancias qumicas. En un proceso de produccin particular,

se emplean tres materias primas para producir dos productos: un aditivo
para combustible y una base para solvente. El aditivo para combustible
se vende a compaas petroleras y se usa en la produccin de gasolina y
combustibles relacionados. La base para solvente se vende a una
variedad de empresas qumicas y se emplea en productos para limpieza
en el hogar e industriales. Las tres materias primas se mezclan para
fabricar el aditivo para combustible y la base para el solvente, tal como
se muestra a continuacin:
sta nos muestra que una tonelada de aditivo para combustible es una
mezcla de 0.4 toneladas del material 1 y 0.6 toneladas del material 3.
Una tonelada de la base para solvente es una mezcla de 0.5 toneladas
del material 1, 0.2 toneladas del material 2 y 0.3 toneladas del material 3.
La produccin de RMC est restringida por una disponibilidad limitada de
las tres materias primas. Para el periodo de produccin actual,RMC tiene
disponibles las siguientes cantidades de materia prima:
Debido a los desechos y a la naturaleza del proceso de produccin, los

materiales que no se lleguen a usar en una corrida de produccin no se
pueden almacenar para las subsiguientes, son intiles y deben
desecharse.
El departamento de contabilidad analiz las cifras de produccin, asign
todos los costos relevantes y lleg a precios que, para ambos productos,
produciran una contribucin a la utilidad de $ 40 por cada tonelada de
aditivo para combustible producida y $ 30 para cada tonelada producida
de base para solvente. Ahora usaremos la programacin lineal para
determinar la cantidad de aditivo para combustible y la cantidad de base
para solvente para producir a fin de maximizar la contribucin a la

ganancia total.
MTODO GRFICO
PASOS
1. Trasladar la informacin relevante del problema a una tabla
2. Describir el objetivo del problema, formular las restricciones y nombrar

las variables
Objetivo: Maximizar la contribucin total a la ganancia.
Restricciones:
Material 1 <= 20
Material 2 <= 5
Material 3 <= 21
F = Cantidad de toneladas para aditivo para combustible por producir.
S = Cantidad de toneladas para aditivo para solvente por producir
3. Formular la funcin objetivo
MAX = 40F + 30S
4. Realizar el modelo matemtico
MAX = 40F +30S
sujeto a:
0.4F+0.5S <= 20 Ecuacin 1
0.2S <= 5 Ecuacin 2
0.6F+0.3S <= 21 Ecuacin 3
F,S >= 0
5. Reemplazar por 0 los valores de F y S en cada una de las ecuaciones

En ecuacin 1
Si F=0 entonces:
0.5S = 20
S = 20/0.5
S = 40
(F=0,S=40)
Si S=0 entonces
0.4F = 20
F = 20/0.4
F = 50
(F=50,S=0)
En ecuacin 2
S = 5/0.2
S = 25
(F=0,S=25)
En ecuacin 3
Si F=0 entonces
0.3S = 21
S = 21/0.3
S = 70
(F=0,S=70)
Si S=0 entonces
0.6F = 21
F = 21/0.6
F = 35
(F=35,S=0)
6. Graficar los puntos encontrados
Para realizar la grfica es necesario tomar en cuenta las siguientes
recomendaciones:
1.Preparar una grfica para cada restriccin que muestre las soluciones
que satisfagan la restriccin.
2.Determinar la regin factible identificando las soluciones que satisfacen
simultneamente todas las restricciones.
3.Trazar lneas de funcin objetivo que muestren los valores de las
variables de decisin que producen valores especificados para la misma.
4.Mover lneas de funcin objetivo paralelas hacia valores mayores de la
funcin objetivo hasta que un mayor movimiento sacara a la lnea por
completo de la regin factible.
5.Cualquier solucin factible en la lnea de funcin objetivo con el valor
mximo encontrado por el procedimiento anterior es una solucin ptima.
Del anterior grfico podemos deducir que las lneas celestes representan
cada una de las restricciones del problema, la lnea roja es la funcin
objetivo, la parte de la grfica sombreada con puntos rojos representa el
rea factible y el punto blanco la solucin ptima, a continuacin veremos
cmo llegamos a cada una de dichas conclusiones.
MTODO ALGEBRAICO
1. Obtener la solucin ptima
a. Se usan las ecuaciones 1 y 3 del problema:
0.4F+0.5S = 20 Ecuacin 4
0.6F+0.3S = 21 Ecuacin 5
b. Se despeja F de la ecuacin 4
0.4F+0.5S = 20
0.4F = 20-0.5S
F = 50-1.25S Ecuacin 6
c. Se sustituye F en la ecuacin 5
0.6F+0.3S = 21
0.6(50-1.25S)+0.3S = 21
30-0.75S+0.3S = 21
-0.45S = 21-30
-0.45S = -9
S = -9/-0.45
S = 20
d. Se sustituye S en la ecuacin 6
F = 50-1.25S
F = 50-1.25(20)
F = 50-25
F = 25
Se puede observar en la grfica que estos dos valores estn
representados por el punto blanco, lo cual quiere decir que esta es la
solucin ptima del problema.
e. Sustituir los valores en la funcin objetivo
MAX = 40F+30S
MAX = 40(25)+30(20)
MAX = 1,000 + 600
MAX = $ 1,600
En conclusin se deben producir 25 toneladas de combustible y 20

toneladas de base para aditivo para obtener una utilidad mxima de $
1,600
Para encontrar la lnea que atraviesa la solucin factible (punto blanco)
se iguala a 0 F y S en la funcin objetivo y se encuentran los valores:
40F+30S = 1,600
Si F es 0 entonces:
30S = 1,600
S = 1,600/30
S = 53.33
(F=0,S=53.33)
SI S es 0 entonces:
40F = 1,600
F = 1,600/40
F = 40
(F=40,S=0)
Como se puede observar estos puntos estn representados por la lnea
celeste C3 y es la que atraviesa la solucin ptima.
MTODO SIMPLEX
El algoritmo simplex est diseado para localizar la solucin ptima
concentrndose en un nmero seleccionado de las soluciones bsicas
factibles del problema. Siempre empieza en una solucin bsica factible
y despus trata de encontrar otra solucin bsica factible que mejorar el
valor del objetivo.
Los clculos para producir la nueva solucin bsica incluyen dos tipos:
1. Rengln pivote:
Nuevo rengln pivote = rengln pivote actual / elemento pivote
2. Todos los dems renglones, incluyendo z:
Nuevo rengln = (rengln actual) (su coeficiente de la columna pivote)
x (nuevo rengln pivote)
EJEMPLO DE MAXIMIZACIN UTILIZANDO EL MTODO SIMPLEX

Continuando con el problema anterior los pasos para resolver el
problema por el mtodo simplex son:
1. Expresar el problema en forma estndar
Max 40F + 30S + S1 + S2 + S3
0.4F +0.5S + S1 = 20
0.2S + S2 = 5
0.6F +0.3S +S3 = 21
F,S,S1,S2,S3 >= 0
2. Obtener el rengln z que consiste en convertir al funcin objetivo en
valores negativos.
Max z = 40F+30S+S1+S2+S3
z = -40F-30S = O
3. Resumir la forma estndar en una tabla simplex
4. Se encuentran las intersecciones de la primera variable (la ms

negativa) para determinar el rengln pivote.
En este caso se toma la columna donde se encuentra el -40 y cada uno
de los valores de la solucin se divide dentro de los valores de dicha
columna, escogiendo el menor valor y toda esa fila se convertir en la fila
pivote como se puede observar en la siguiente tabla:
5. Se hacen los clculos correspondientes
tabla.
b. El resto de valores que se encuentran arriba o abajo de 0.6 deben
convertirse en 0. Para este caso se desea convertir el 0.4 en 0 por lo cual
se convierte el 0.4 en negativo se multiplica por el valor correspondiente
en la nueva fila pivote que es 1 y se le suma el valor de esa posicin en
la tabla antigua que en este caso es 0.4 en resumen (-0.4*1+0.4 = 0) y
as sucesivamente con cada una de las filas:
6. Como no se tienen todava las variables de z en positivo, entonces hay

que repetir los pasos 4 y 5 hasta que todos los valores de z sean
positivos:
Como se puede observar en la tabla anterior todos los valores de z son

positivos, lo cual quiere decir se ha llegado a encontrar la solucin ptima
del problema que es producir 20 toneladas de aditivo para combustible y
25 toneladas de base para solvente para obtener una ganancia mxima
de $ 1,600*.
* Si observa se obtuvieron los mismos resultados que el mtodo grfico y
algebraico anteriormente descritos
EJEMPLO DE UN PROBLEMA DE MINIMIZACIN
procesamiento. El objetivo de M & D es satisfacer estos requerimientos

con un costo total de produccin mnimo. Los costos de produccin son
$2 por galn para el producto A y $3 por galn para el producto B.
Para encontrar el calendario de produccin de costo mnimo,
formularemos el problema de M & D Chemicals como un programa lineal.
Siguiendo un procedimiento parecido al usado para el problema RMC,
primero definimos las variables de decisin y la funcin objetivo para el
problema. Sea
A = Cantidad de galones del producto A
B = Cantidad de galones del producto B
Debido a que los costos de produccin son $ 2 por galn para el
producto A y $ 3 por galn para el producto B, la funcin objetivo que
corresponde a la minimizacin del costo total de produccin puede
escribirse como:
Min 2A+3B
A continuacin consideramos las restricciones impuestas al problema de
M & D Chemicals. Para satisfacer la demanda del cliente importante de
125 galones del producto A, sabemos que A debe ser al menos 125, Por
tanto, escribimos la restriccin
1A >= 125
Debido a que la produccin combinada para ambos productos debe ser
el total al menos 350 galones, podemos escribir la restriccin
1A+1B >= 350
Por ltimo, la limitacin en el tiempo de procesamiento disponible de 600
horas significa que necesitamos agregar la restriccin:
2A+1B <= 600
Despus de agregar las restricciones de no negatividad, tenemos el
siguiente programa lineal para el problema de M & D Chemicals:
Min 2A+3B
Sujeto a:
1A >= 125
1A + 1B >= 350
2A + 1B <= 600
A,B >= 0
Debido a que el modelo de programacin lineal slo tiene dos variables
de decisin puede usarse el procedimiento de solucin grfica para
encontrar las cantidades de produccin ptimas. El mtodo grfico para
este problema, como en el problema de RMC, requiere que primero
tracemos la grfica de las lneas de restriccin para encontrar la regin
factible. Al trazar cada lnea de restriccin por separado y luego verificar
los puntos en cada lado de la lnea, pueden identificarse las soluciones
que satisfacen cada restriccin. Al combinar las soluciones que
satisfacen cada restriccin en la misma grfica obtenemos la regin
factible.
MTODO GRFICO
PASOS
1. Trasladar la informacin relevante del problema a una tabla
2. Describir el objetivo del problema, formular las restricciones y nombrar

las variables
Objetivo: Satisfacer los requerimientos con un costo mnimo.
MIN = 2A + 3B
4. Realizar el modelo matemtico
MIN = 2A + 3B
sujeto a:
1A >= 125 Ecuacin 1
1A+1B >= 350 Ecuacin 2
2A+1B <= 600 Ecuacin 3
A,B >= 0
5. Reemplazar por 0 los valores de A y B en cada una de las ecuaciones
En ecuacin 1
Si B=0 entonces:
(A=125,B=0)
En ecuacin 2
Si A es 0
1B = 350
(A=0,B=350)
Si B es 0
1A = 350
(A=350,B=0)
En ecuacin 3
Si A=0 entonces
1B = 600
(A=0,B=600)
Si B=0 entonces
2A = 600
A = 600/2
A = 300
(A=300,B=0)
6. Graficar los puntos encontrados
Para realizar la grfica es necesario tomar en cuenta las siguientes
recomendaciones:
1.Preparar una grfica para cada restriccin que muestre las soluciones
que satisfagan la restriccin.
2.Determinar la regin factible identificando las soluciones que satisfacen
simultneamente todas las restricciones.
3.Trazar lneas de funcin objetivo que muestren los valores de las
variables de decisin que producen valores especificados para la misma.
4.Mover lneas de funcin objetivo paralelas hacia valores ms pequeos
de la funcin objetivo hasta que un movimiento mayor a la lnea por
completo de la regin factible.
5.Cualquier solucin factible en la lnea de funcin objetivo con el valor
ms pequeo es una solucin ptima.
Del anterior grfico podemos deducir que las lneas celestes representan
cada una de las restricciones del problema, la lnea roja es la funcin
objetivo, la parte de la grfica sombreada con puntos rojos representa el
rea factible y el punto blanco la solucin ptima, a continuacin veremos
cmo llegamos a cada una de dichas conclusiones.
MTODO ALGEBRAICO
1. Obtener la solucin ptima
a. Se usan las ecuaciones 2 y 3 del problema:
1A+1B = 350 Ecuacin 4
2A+1B = 600 Ecuacin 5
b. Se despeja A de la ecuacin 4
1A=350-1B
A=350-1B Ecuacin 6
c. Se sustituye A en la ecuacin 5
2(350-1B)+1B=600
700-2B+1B=600
-2B+1B=600-700
-1B=-100
B=-100/-1
B=100
d. Se sustituye B en la ecuacin 6
A=350-1B
A=350-1(100)
A=350-100
A=250
Se puede observar en la grfica que estos dos valores estn
representados por el punto blanco, lo cual quiere decir que esta es
la solucin ptima del problema.
e. Sustituir los valores en la funcin objetivo
MIN = 2A+3B
MIN = 2(250)+3(100)
MIN = 500+300
MIN = $800
En conclusin Se deben producir 250 galones del producto A y

100 galones del producto B para obtener un costo mnimo de $
800
Para encontrar la lnea que atraviesa la solucin factible (punto
blanco) se iguala a 0 A y B en la funcin objetivo y se encuentran
los valores:
2A+3B = 800
Si A es 0 entonces:
3B=800
B=800/3
B=266.67
SI B es 0 entonces:
2A=800
A=800/2
A=400
Como se puede observar estos puntos estn representados por la
lnea celeste C3 y es la que atraviesa la solucin ptima.
MTODO SIMPLEX
Se puede dividir el procedimiento del mtodo simplex en dos fases:
FASE I: Se expresa el problema en forma estndar y se aaden las
variables artificiales necesarias a las restricciones. En seguida se
encuentra una solucin bsica de las ecuaciones resultantes , por medio
del mtodo simplex, que minimice la suma de las variables artificiales.
FASE II: Se utiliza la solucin factible obtenida en la fase I como una
solucin factible inicial para el problema original, por medio del mtodo
simplex.
Nuevo rengln Z= rengln Z anterior + A * Rengln A + B * Rengln B
PASOS
1. Escribir el problema en forma estndar
Si la restriccin es mayor o igual los valores de S sern negativos por el

contrario si la restriccin es menor o igual sern positivos y por cada
variable S se agrega una variable R positiva excepto en la tercera
ecuacin para este caso.
Min 2A+3B+S1+S2+S3
1A -S1+R1 =125
1A+1B -S2+R2=350
2A+1B +S3=600
A, B, S1, S2, S3 >=0
2. Escribir el problema en una tabla simplex, usando el rengln r y no el z
3. Obtener el nuevo rengln r

Nuevo rengln r = rengln actual + (+R1) *
Rengln S1 + (+R2) * Rengln S2
4. Continuar con el simplex hasta obtener nuevamente el primer rengln r
5. Quitar las columnas R1 y R2 y agregar la funcin objetivo
6. Obtener el nuevo rengln z

Nuevo rengln z = rengln anterior z +(+A) *
rengln S1 +(+B)*rengln S2
7. Continuar con el simplex hasta que todos sean negativos
En conclusin se deben producir 250 galones del producto A y 100 galones del producto
B para obtener un costo mnimo de $ 800*.
Ntese que se llegaron a los mismos resultados que el mtodo algebraico
CONCLUSIONES
1.
Se consigui poner en prctica conceptos y mtodos del

lgebra Lineal elemental con el objetivo plantear y resolver
problemas de relacionados con los negocios, evaluando la
factibilidad del problema, validando e interpretando las
soluciones.
2.
Se manej los conceptos de vectores y calcular las

ecuaciones
3.
Relacionamos los conceptos geomtricos de vectores

paralelos y coplanarias con el concepto de vectores
linealmente dependientes.
4.
Demostramos que en nuestra vida cotidiana usamos tanto

las matemticas, que sin ellas no podramos vivir.
5.
El lgebra lineal es la rama de las matemticas que estudia

conceptos tales como vectores, matrices, sistemas de
ecuaciones lineales y en un enfoque ms formal, espacios
vectoriales, y transformaciones lineales.
6.
Es un rea activa que tiene conexiones con muchas reas

dentro y fuera de las matemticas como anlisis funcional,
ecuaciones diferenciales, investigacin de operaciones,
grficas por computadora, ingeniera, etc..
BIBLIOGRAFIA
J. de Burgos, lgebra lineal. McGraw-Hill, 2000.

M. Anzola y otros, Problemas de lgebra. (Especialmente tomos
1,3, 6, 7) Madrid, 1981.
J. Rojo, Algebra lineal. McGraw-Hill, 2001.
F. Ayres Jr., Teora y problemas de matrices. McGraw-Hill, 1991.
J. Rojo e I. Martn, Ejercicios y problemas de lgebra. McGraw-Hill,
1994.
S. I. Grossman, lgebra lineal. McGraw-Hill, 1995.
Teora y Problemas de Matrices. Ayres, Frank, JR. Serie de
compendios Schaum. Mxico. 1969
Teora y Problemas de Algebra Lineal. Lipschutz, Seymour. Serie
de compendios Schaum. Mxico. 1969
Algebra de Matrices. Franz E. Hohn. Editorial Trillas. Mxico.1979
Introduccin al lgebra Lineal. Larson Edwards. Mxico. Editorial
Limusa. 1994
https://algebralinealysuaplicacion.wordpress.com
https://es.scribd.com/doc/59937838/APLICACIONES-DEALGEBRA-LINEAL
http://es.slideshare.net/angelbaez1217/lgebra-lineal-y-susaplicaciones-3e-lay
https://algebralinealysuaplicacion.wordpress.com/
GLOSARIO: DICCIONARIO DE LGEBRA LINEAL

Autovalor y autovector x. Ax = x, siendo0x=/, de modo que det(A - I) = 0.
Base de V. Vectores independientes v1, ..., vd, cuyas combinaciones lineales dan como
resultado todas las v de V. Un espacio vectorial tiene muchas bases!
n
Base estndar para R . Columnas de la matriz identidad de n por n (expresadas como i,
3
j, k en R ).
T
T
Cociente de Rayleigh q(x) = x Ax /x x para una matriz simtrica A: min < q(x ) <
max. Los autovectores x alcanzan dichos extremos para min(A) y max(A).
i+j
Cofactor Cij. Eliminar la fila i y la columna j; multiplicar el determinante por (- 1) .
Columnas libres de A. Columnas sin pivotes; combinaciones de anteriores columnas.
Columnas pivote de A. Columnas que contienen pivotes tras una reduccin por filas;
no son combinaciones de anteriores columnas. Las columnas pivote conforman
la base del espacio de columnas.
Suma de vectores y multiplicacin de escalares.
Combinacin lineal cv + dw o .jjcv
-1
Complemento de Schur S = D CA B. Aparece al realizar la eliminacin por bloques
[]
en DCBA.
Condicionamiento de la matriz A. 1max.min.()()dAkAAA===conEn Ax = b, la
perturbacin relativa xx es menor que cond(A) veces la perturbacin relativa
bb. El condicionamiento de la matriz mide hasta qu punto la salida es
susceptible de cambiar en funcin de los datos de entrada.
Conjugado complejo. zai= para cualquier nmero complejo zaib=+. De ah 2zzz=. b
Conjunto conectado (Spanning set) v1, . . . , vm para V. Todos los vectores de V son
combinaciones de v1, . . . , vm.
T
T
Cuatro subespacios fundamentales de A = C(A), N(A), C(A ), N(A ).
Dependencia lineal v1, . . . , vn. Una combinacin distinta de todas las c i = 0 da como
resultado
cv
ii
T
Descomposicin de valor singular (SVD) A = UV = (U ortogonal) por (diagonal )
T
por (V ortogonal). Las primeras columnas r de U y V son bases ortonormales
T
de C(A) y de C(A ), siendo Avi = iui y el valor singular i > 0. Las ltimas
T
columnas de U y V son bases ortonormales de los espacios nulos de A y A.
Descomposicin polar A = QH. Q ortogonal, H (semi)definida positiva.
T
Desigualdad de Schwarz. vwvw. Entonces
TTTvAwvAvwAwsi A = C C.
Desigualdad triangular uvuv++. Para las normas matriciales ABAB++.
Diagonalizacin = S-1AS. = matriz de autovalores y S = matriz de autovectores. A
tiene que tener n autovectores independientes para que S sea invertible. Toda Ak = Sk S1.
Dimensin del espacio vectorial. dim(V ) = nmero de vectores en cualquier base para
V.
Ecuacin caracterstica. Det()0AI=. Las n races son los autovalores de A.
()()
Ecuacin normalT T AAxAb=. Da la solucin por mnimos cuadrados de Ax = b si A es

de rango n. La ecuacin dice que (columnas de A)()bAx 0 =.
Eigshow. Autovalores y valores singulares grficos de 2 por 2 (cdigo de MATLAB o
Java).
Eliminacin. Secuencia de operaciones de filas que reduce A a una matriz triangular
superior U o a la forma reducida R = rref(A). Entonces A = LU con los multiplicadores en
L, o PA = LU con intercambios entre filas en P , o EA = R siendo E una matriz invertible. ijl
Elipse (o elipsoide) xTAx = 1. A tiene que ser una matriz definida positiva; los ejes de la
elipse son vectores propios de A, con longitudes 1. (Para 1x= los vectores y = Ax se
sitan en la elipse 21TT1()AyyAAy 1 == que crea el cdigo eigshow; longitud de los ejes =
i.)
Espacio de columnas de C(A). Espacio de todas las combinaciones de las columnas de
A.
Espacio de filas C(AT) = todas las combinaciones de las filas de A. Vectores de columna
por convenio.
Espacio nulo N(A) = Soluciones para Ax = 0. Dimensin n - r = (# columnas) - rango.
Espacio nulo por la izquierda N(AT). Espacio nulo de AT = espacio nulo por la
izquierda de A porque yTA = 0T.
Espacio vectorial V. Conjunto de vectores tal que todas las combinaciones cv + dw
permanecen en V. En la seccin 3.1 aparecen ocho reglas obligatorias para cv + dw.
Espectro de A = conjunto de autovalores {1, . . . ,n}. Radio espectral = .max.
Exponencial eAt = I + At + (At)2/2! + ... tiene como derivada AeAt; eAtu(0) resuelve u ' =
Au.
Factorizacin de Cholesky. T()( T) ACCLDLD== para una matriz definida positiva A.
Factorizacin LU. Si la eliminacin conduce a U a partir de A sin intercambios de filas,
la triangular inferior L con los multiplicadoresij(y =ii 1) convierte a U de nuevo en A.
Factorizaciones simtricas A = LDLT y A = QQT . El nmero de pivotes positivos en D
y de autovalores positivos en A es el mismo.
Frmula extendida para determinantes de n por n. Det(A) es una suma de n!
elementos, uno por cada permutacin P de las columnas. Ese elemento es el
producto de a1, ..., an de arriba abajo de la ()1P=diagonal de la matriz
reordenada, alternativamentedet.
Giro parcial (Partial pivoting) . En una eliminacin, se elige como j-simo pivote al
elemento disponible con un valor absoluto ms alto de la columna j. Entonces,
en todos los multiplicadores 1 ijl. El error redondeado (redondeo del error) est
controlado (depende del condicionamiento de A).
Grafo G. Conjunto de n nodos conectados por m aristas dos a dos. Un grafo completo
tiene todas las aristas n(n - 1)/2 entre sus nodos. Un rbol slo tiene n - 1
aristas y no contiene ciclos. En un grafo dirigido, cada arista tiene una flecha
de direccin.
-1
-1
-1
Inversa de una matriz A . Matriz cuadrada de modo que A A = I y AA = I. No existe
la inversa si det A = 0, rang(A) < n y Ax = 0 para un vector x distinto de cero. Las
T
-1 -1
-1 T
inversas de AB y A son B A y (A ) . Mtodo de desarrollo por cofactores
-1
(cofactor formula) (A )ij = Cij/det A.
+
+
T
T -1
Inversa por la derecha A . Si el rango de filas de A es m, entonces en A = A (AA )
+
se cumple que AA = Im.
+
+
Inversa por la izquierda A . Si A tiene un rango de columnas n, entonces para A =
T -1 T
+
(A A) A se da que A A = In.
Leyes de Kirchhoff. Ley de corrientes: la suma algebraica (entrada menos salida) de
las corrientes que entran a cualquier nodo es cero. Ley de voltajes: Las
diferencias de potencial (cadas de tensin) en cualquier recorrido cerrado
suman cero.
T
Longitud || x ||. Raz cuadrada de x x (Pitgoras en n dimensiones).
Matrices conmutables AB = BA. Si son diagonalizables, comparten n autovectores.
-1
Matrices semejantes A y B. Toda B = M AM tiene los mismos autovalores que A.
Matriz covarianza . Cuando un grupo de variables aleatorias xi tiene una media = valor
medio = 0, sus covarianzas ij son las medias de xixj. Con medias ix, la matriz = media
de ()(T) xxxx es una (semi)definida positiva; ser diagonal si las xi son independientes.
Matriz de cambio de base M. Los vectores vj de la antigua base son
combinacionesijimw
de los vectores de la nueva base. La relacin entre las
coordenadas de c1v1 + ... + cnvn = d1w1 + + dnwn viene dada por d = Mc. (Para n = 2
tenemos que v1 = m11w1 + m21w2, v2 = m12w1 + m22w2.)
Matriz de Fourier F. Los elementos 2ijknjkFe=producen columnas ortogonales TFFnI=.
Entonces y = Fc es la transformada discreta de Fourier (inversa) 2ijknjkyce= .

Matriz de Hankel H. Constante a lo largo de todas las antidiagonales; hij depende de i +
j.
Matriz de Hessenberg H. Matriz triangular con una diagonal adyacente adicional distinta
de cero.
Matriz de Hilbert hilb(n). Elementos 11101(1)ijijHijxxdx=+= . Definida positiva, pero con

una minextremadamente pequea y un condicionamiento alto.
Matriz de incidencia de un grafo dirigido. La matriz de incidencia arista-nodo de m por
n tiene una fila por cada arista (nodo i a nodo j), con los elementos 1 y 1 en las
columnas i y j.
Matriz de Markov M. Todos los y la suma de cada una de las columnas es 1. Mayor
autovalor = 1. Si m0ijmij > 0, las columnas de Mk se aproximan al autovector esttico/
estacionario (steady state eigenvector) Ms = s > 0.
()
Matriz de Pascal PS = pascal(n). Matriz simtrica con elementos binomiales

12+iji.
PS = PL PU contienen todas el tringulo de Pascal con det = 1 (vase index para ms
propiedades).
Matriz de permutacin P. Existen n! permutaciones de 1, . . . , n; cada una de las n!
permutaciones de P tiene las filas de I en el orden correspondiente a dicha
permutacin. PA pone las filas de A en ese mismo orden. P es producto de los
intercambios de filas Pij ; P ser par o impar (det P = 1 -1) dependiendo del
nmero de intercambios.
Matriz de Toeplitz T. Matriz (de) diagonal constante (constant-diagonal matrix) ,de
modo que ij slo depende de j - i. Las matrices de Toeplitz, en el procesamiento
de seales, representan filtros que no varan con el tiempo.
n-1
Matriz de Vandermonde V. Vc = b da el polinomio p(x) = c0 + ... + cn-1 x
con p(xi) =
j-1
bi en los puntos n. Vij = (xi)
y det V = producto de (xk - xi) para k > i.
Matriz definida positiva A. Matriz simtrica con autovalores y pivotes positivos.

T
Definicin: x Ax > 0, a menos que x = 0.
Matriz diagonal D. dij = 0 si i. Diagonal por bloques: ceros fuera de los bloques
cuadrados D=/ii.
Matriz diagonalizable A. Tiene que tener n autovectores independientes (en las
columnas de S; con lo cual automticamente tiene n autovalores diferentes). As
-1
que S AS = = matriz de autovalores.
Matriz de eliminacin (elimination matrix) = matriz elemental Eij. Matriz identidad con
un adicional en el elemento i, j ij(ij=/. Entonces, en EijA, se resta ij veces la
fila j de A de la fila i.
Matriz escalonada U. El primer elemento distinto de cero (pivote) de cada fila va
despus del pivote de la fila anterior. Todas las filas de ceros van al final.
Matriz espacio nulo (null space matrix) N . Las columnas de N son las soluciones
especiales n - r para As = 0.
Matriz hermitiana HTAA==. Anloga compleja de una matriz simtrica: jiijaa=. A
Matriz hipercbica2LP. La fila n + 1 cuenta vrtices, aristas, caras, etc. de un cubo
n
2
contenido en R . PL
Matriz identidad I (o In). Elementos sobre la diagonal = 1, elementos fuera de la
diagonal = 0.
Matriz indefinida. Matriz simtrica con autovalores de ambos signos (+ y -).
k
Matriz nilpotente N. Alguna potencia de N es la matriz cero, N = 0. El nico autovalor
es = 0 (repetido n veces). Ejemplos: matrices triangulares con diagonal cero.
T
T
Matriz normal N. NN = N N, produce autovectores ortonormales (complejos).
Multiplicacin de matrices AB. El elemento i, j de AB es igual a (fila i de A)(columna j
de B) = . Por columnas: Columna j de AB = A veces la columna j de B. Por filas:
la fila i de A multiplica a B. Filas por columnas: AB = suma de (columna k)(fila
k).Todas estas definiciones equivalentes surgen de la regla de que AB por x es
igual a A por Bx. ikkjab

Multiplicador .ij ijLa fila pivote j se multiplica por ij y se resta de la fila i para eliminar
el elemento i, j: = (elemento que se quiere eliminar)/(j-simo pivote).
Multiplicidades AM y GM. La multiplicidad algebraica AM de un autovalor A es el
nmero de veces que aparece A como raz de det(A - I) = 0. La multiplicidad
geomtrica GM es el nmero de autovectores independientes (= dimensin del
espacio propio de ).
NormaAde una matriz. La norma es la ratio mxima2lB max.Axx=. Entonces AxAx y
ABAy ABAB++. Norma de Frobenius 22ijFAa=

; las normas y 1lllas sumas
mayores de filas y columnas de ija.
Nmeros de Fibonacci. 0, 1, 1, 2, 3, 5, . . . cumplen 12121()(nnnnnFFF 2) =+=. La
tasa de crecimiento 1(15)2=+ es el mayor autovalor de la matriz de Fibonacci .
1110
Nmeros de Lucas. Ln = 2, 1, 3, 4, . . . cumplen 121nnnnLLL 2

n =+=+, con los valores propios 12,(15)= 2 de la matriz de Fibonacci
Comprese L0 = 2 con Fibonacci.
1110.
Ondas (Wavelets) wjk(t) o vectores wjk. Deforman y trasladan el eje de tiempos para dar
lugar a wjk(t) = w00(2jt - k). Los vectores procedentes de w00 = (1, 1, -1, -1) sern (1, -1, 0,
0) y (0, 0, 1, -1).
Ortogonalizacin de Gram-Schmidt para A = QR. Columnas independientes en A,
columnas ortonormales en Q. Cada una de las columnas qj de Q es una combinacin de
las j primeras columnas de A (y viceversa, de modo que R es triangular superior). Por
convenio: diag(R) > 0.
Pivote d. El elemento de la diagonal (el primero distinto de cero) cuando se trabaja con
una fila al realizar una proceso de eliminacin.
Plano (o hiperplano) en Rn . Las soluciones de aTx = 0 definen el plano (dimensin n 1) perpendicular a a 0.
Polinomio mnimo de A. El polinomio de grado ms bajo para que m(A) = matriz cero.
Las races de m son autovalores, y m() divide a det(A - I).
Producto de Kronecker (producto tensor) BA. Bloques aijB, autovalores p(A)q(B).
Producto escalarT11nnxyxyxy=++L. El producto escalar complejo es Txy. Al realizar el
producto escalar de vectores perpendiculares, el resultado es cero. (AB)ij = (fila i de
A)(columna j de B).
Producto exterior uvT = columna por fila = matriz de rango uno.
Producto vectorial uv en R3. Vector perpendicular a u y v, cuya longitud ()uvsen=rea
del paralelogramo, calculada como el determinante de [ i j k ; u1 u2 u3 ; v1 v2 v3 ].
Propiedad asociativa (AB)C = A(BC). Se pueden eliminar los parntesis para dejar
ABC.
Propiedad distributiva A(B + C) = AB + AC. Se puede sumar primero y luego
multiplicar, o multiplicar primero y luego sumar.
Proyeccin de p = a (aTb/a Ta ) sobre la recta que atraviesa a. P = aaT/aTa es de rango
1.
Pseudoinversa A+ (inversa de Moore-Penrose). Matriz de n por m que invierte a A, de
modo que de espacio de columnas pasa de nuevo a espacio de filas, siendo N(A+) =
N(AT). A+A y AA+ son las matrices de proyeccin sobre el espacio de filas y el espacio de
columnas. Rang(A+) = rang(A).
Punto singular de f(x1, . . . , xn). Un punto donde las primeras derivadas de f dan cero y
la matriz de la segunda derivada (2f/xixj = matriz Hessiana) no tiene un valor
definido.
Rango r(A) = nmero de pivotes = dimensin del espacio de columnas = dimensin del
espacio de filas.
Rango de columnas r = n. Columnas independientes, N(A) = {0}, no hay variables libres.
Rango de filas r = m. Filas independientes, al menos una solucin para Ax = b, el
espacio de columnas abarca la totalidad de Rm. Por rango de la matriz se entiende
rango de filas o rango de columnas.
Red Grafo dirigido con las constantes c1, . . . , cm asociadas a sus aristas.
Representacin de filas (row picture) de Ax = b. Cada ecuacin produce un plano en
Rn; stos tienen su interseccin en x.
Resolucin por mnimos cuadradosx. El vectorx, que minimiza el error 2e, resuelve
TTAAxAb=. Entonces es ortogonal para todas las columnas de A. ebAx=
Sistema resoluble Ax = b. La parte derecha, b, pertenece al espacio de columnas de A.
Solucin completa x = xp + xn para Ax = b. (xp concreta) + (xn en el espacio nulo).
Solucin particular (concreta?) xp. Cualquier solucin para Ax = b; a menudo las
variables libres de xp son = 0.
Soluciones especiales para As = 0. Una de las variables libres es si = 1, las otras son =
0.
Subespacio S de V. Cualquier espacio vectorial contenido en V, incluidos V y Z =

{vector cero}.
Subespacio de Krylov Kj(A, b). Subespacio expandido hasta b, Ab, . . . , Aj-1b. Los
mtodos numricos aproximan A-1b a xj con una b - Axj residual en este subespacio. Para
establecer una buena base para Kj slo hay que multiplicar por A en cada paso.
Subespacios ortogonales. Todo v de V es ortogonal a todo w de W.
Suma de subespacios V +W. Espacio de toda (v en V ) + (w en W). Suma directa:
dim(V +W) = dim V + dim W cuando V y W slo comparten el vector cero.
Sustitucin hacia atrs. Los sistemas triangulares superiores se resuelven en orden
inverso, de xn a x1.
Teorema de Cayley-Hamilton. ()det()pA I =con ()pA= matriz cero.
Teorema espectral A = QQT. La matriz simtrica real A tiene una i real y una qi
ortonormal, de modo que Aqi = iqi. En mecnica, qi da los ejes principales.
Teorema fundamental. El espacio nulo N(A) y el espacio de filas C(AT) son
complementos ortogonales (espacios perpendiculares de Rn de dimensiones r y n - r) con
respecto de Ax = 0. Si se aplica a AT, el espacio de columnas C(A) es el complemento
ortogonal de N (AT).
Transformacin afn. T(v ) = Av + v0 = transformacin lineal ms desplazamiento.
Transformacin lineal T. Cada uno de los vectores v del espacio de entrada se
transforma en T(v) en el espacio de salida, y la linealidad exige que T(cv + dw) =
cT(v) + dT(w). Ejemplos: multiplicacin de matrices Av, diferenciacin en el
espacio de funciones.

Algebra Lineal y Su Aplicacion CORREGIDO 111

Cargado por

Copyright:

Formatos disponibles

Algebra Lineal y Su Aplicacion CORREGIDO 111

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algebra Lineal y Su Aplicacion CORREGIDO 111

Cargado por

Copyright:

Formatos disponibles

Algebra Lineal aplicada a los negocios

UNIVERSIDAD CATOLICA SANTA

MATEMTICAS PARA NEGOCIOS

ALGEBRA LINEAL APLICADA A LOS

LIZETH OLAZABAL CARDENAS

Algebra Lineal aplicada a los negocios

Algebra Lineal aplicada a los negocios

Algebra Lineal aplicada a los negocios

ECUACIONES LINEALES EN LGEBRA LINEAL........................................................................................3

Modelos lineales en economa e ingeniera........................................................................3

SISTEMAS DE ECUACIONES LINEALES........................................................................................................5

Resolucin de un sistema lineal........................................................................................10

OPERACIONES ELEMENTALES DE FILA....................................................................................................14

Algoritmo de reduccin por filas.......................................................................................19

REGLA DEL PARALELOGRAMO PARA LA SUMA.....................................................................................32

PROPIEDADES ALGEBRAICAS DE Rn..........................................................................................................34

LA ECUACIN MATRICIAL Ax = b.................................................................................................................36

CONJUNTOS SOLUCIN DE LOS SISTEMAS LINEALES........................................................................41

Sistemas lineales homogneos...........................................................................................41

APLICACIONES DE LOS SISTEMAS LINEALES........................................................................................44

Un sistema homogneo en economa............................................................................44

Algebra Lineal aplicada a los negocios

La matemtica se aplica en muchas ocasiones, para resolver situaciones

enfatizado la necesidad de contar con una unidad sustancial en los

computacionales y en el lgebra lineal numrica, y porque los sistemas

Algebra Lineal aplicada a los negocios

ingeniera, ciencia computacional, matemticas, fsica, biologa, economa

Algebra Lineal aplicada a los negocios

1. ECUACIONES LINEALES EN LGEBRA LINEAL

estadsticas laborales en Estados Unidos despus de dos aos de

Algebra Lineal aplicada a los negocios

estaba ansioso por ver cunto tiempo le tomara a la mquina

computadoras para analizar lo que entonces era un modelo

Algebra Lineal aplicada a los negocios

ecuacin vectorial y a una ecuacin matricial. Esta equivalencia

Son ambas lineales porque pueden reordenarse algebraicamente como

Algebra Lineal aplicada a los negocios

No son lineales debido a la presencia de x1x2 en la primera ecuacin y

Un sistema de ecuaciones lineales (o sistema lineal) es una coleccin

Algebra Lineal aplicada a los negocios

Determinar el conjunto solucin de un sistema de dos ecuaciones

Exactamente una solucin.

necesariamente en un solo punto las rectas pueden ser paralelas o

Algebra Lineal aplicada a los negocios

la figura 2 se muestran las grficas que corresponden a los siguientes

(a) Sin solucin. (b) Con infinidad de soluciones.

Las figuras 1 y 2 ilustran los siguientes hechos generales acerca de

Algebra Lineal aplicada a los negocios

Se dice que un sistema de ecuaciones lineales es consistente si tiene

se denomina matriz coeficiente (o matriz de coeficientes) del sistema

Algebra Lineal aplicada a los negocios

Se denomina matriz aumentada del sistema. (Aqu, la segunda fila El

2.1. Resolucin de un sistema lineal

Algebra Lineal aplicada a los negocios

Para simplificar un sistema lineal se utilizan tres operaciones bsicas:

El procedimiento de eliminacin se muestra enseguida con y

Mantenga x1 en la primera ecuacin y elimnela de las otras ecuaciones.

Algebra Lineal aplicada a los negocios

El resultado de este clculo se escribe en lugar de la tercera ecuacin