1.

TRANSFORMACIN LINEAL aplicacin entre dos espacios

Se le denomina transformacin lineal a una

vectoriales, que preserva las operaciones de suma de vectores y producto por un escalar. Una trasformacin lineal es un homomorfismo entre espacios vectoriales o en el lenguaje de la teora de categoras un morfismo sobre la categora de los espacios vectoriales sobre un cuerpo dado. Toda aplicacin cuyo dominio y codominio sean espacios vectoriales que cumpla la siguiente definicin: Sean V y W espacios vectoriales sobre el mismo espacio o campo K, y T una funcin de V en W. T es una transformacin lineal si para todo par de vectores u y v pertenecientes a V y para todo escalar k perteneciente a K, se satisface que:

1.
2.

donde k es un escalar

1.2

TEOREMA

Sea B = {v1,v2,v3,...vn} base de V y C = {w1, w2, w3,...wn} un conjunto de n vectores de W no necesariamente distintos, entonces existe una nica transformacin lineal T: V W que satisface:

TEOREMAS 1. Sea V un espacio de dimensin finita y sea { v1,...,vm } una base de V sobre R. Se define una funcin T: V R, asignando como imagen a cada vector v = a1v1 +...+ amvm el nmero a1. Esta es una transformacin lineal porque si v = b1v1 +...+ bmvm, entonces: T(av + bv ) = T[(aa1 + bb1)v1 +...+ (aam + bbm)vm] = aa1 + bb1 = aTv + bTv . 2. Usando la misma notacin del ejemplo anterior, la funcin T: V Rm definida por:

T(a1v1 +...+ amvm) = (a1,...,am), es lineal. 3. La derivacin de polinomios, D: R[X] R[X], es lineal. 4. Sea V el espacio de los vectores de un plano y sea w V un vector de norma 1. La funcin T: V V que a cada v V le asocia la proyeccin ortogonal de v sobre w es lineal, porque la proyeccin de v es Tv = (v.w)w y T(au + bv) = [(au + bv).w]w = a(u.w)w + b(v.w)w = aTu +bTv. 5. Si V = V1 V2, todo v V se escribe en la forma v = v 1 + v2, con v1 V1 y v2 V2 nicos. Se define entonces la proyeccin de V sobre V 1 segn V2, como la funcin T: V V dada por Tv = v1 para todo v V. Esta funcin es lineal porque si u = u1 + u2, con u1 V1 y u2 V2, entonces au + bv = au1 + bv1 + au2 + bv2 y T(au + bv) = T(au1 + bv1 + au2 + bv2) = au1 + bv1 = aTu + bTv V = V1 V2 = V1 W, con V2 W. En ese caso la proyeccin de V sobre V 1 segn V2, es diferente de la proyeccin de V sobre V1 segn W, porque entonces se tendr para algunos vectores v de V, v = v1 + v2 = v 1 + w, con v1,v 1 V1, v2 V2 y w W, donde v2 w y por lo tanto v1 v 1. Luego la proyeccin de v sobre V1 segn V2 es v1, mientras que la proyeccin de v sobre V1 segn W es v 1 v1. Si S y T son dos transformaciones lineales de V en W, se obtiene otra transformacin lineal de V en W, la suma de S y T, definiendo: (S + T)v = Sv + Tv para todo v V. Para todo a R y toda transformacin lineal T: V W Se define (aT)v = a(Tv), para todo v V. Es claro que aT tambin es una transformacin lineal de V en W.

Clasificacin de las transformaciones lineales

1. Monomorfismo: Si

es inyectiva, o sea si el nico elemento del

ncleo es el vector nulo.

2. Epimorfismo: Si 3. Isomorfismo: Si

es sobreyectiva (suryectiva) es biyectiva (inyectiva y suryectiva)

1.3

NUCLEO E IMAGEN DE UNA TRASFORMACIN

El ncleo en una transformacin lineal es un subconjunto del dominio formado por todos los elementos cuya imagen bajo la transformacin es el vector cero. La imagen en una transformacin lineal es el subconjunto de elementos del codominio que son imgenes de algn elemento del dominio. Se llama ncleo de una transformacin lineal T:U V y se designa por Ker T al subespacio de U: Ker T={u U/ T(u)=0} Teorema.- Una transformacin lineal es regular si y solo si Ker T={0}, es decir si su ncleo se reduce al vector nulo. Teorema.- Cada transformacin lineal regular T:U V aplica a los vectores de un sistema linealmente independiente en vectores de un sistema linealmente. Se llama imagen de la transformacin T:U V, y se designa mediante Im T al subespacio de V: Im V=T(u)={v V/ u U, T(u)=v} 1.4 ESPACIO DUAL

Refleja de una manera abstracta la relacin entre los vectores fila (1n) y los vectores columna (n1). La construccin puede darse tambin para los espacios infinito-dimensionales y da lugar a modos importantes de ver las medidas, las distribuciones y el espacio de Hilbert. Dado cualquier espacio vectorial V sobre un cierto cuerpo F, definimos el espacio dual V* como el conjunto de todas las funcionales lineales en F, es decir, transformaciones lineales en V a valores escalares (en este contexto, un "escalar" es un miembro del cuerpo-base F). El propio V* se convierte en un

espacio vectorial sobre F bajo la definiciones siguientes ('punto a punto') de la adicin y de la multiplicacin escalar

Para todos , en V*, a en F y x en V. En lenguaje del clculo tensorial, los elementos de V a veces se llaman vectores contravariantes, y los elementos de V* vectores covariantes (y a campos de estos uno-formas). 2. INTRODUCCIN A LA PROGRAMACIN LINEAL

La Programacin Lineal es un procedimiento o algoritmo matemtico mediante el cual se resuelve un problema indeterminado, formulado a travs de ecuaciones lineales, optimizando la funcin objetivo, tambin lineal. Consiste en optimizar (minimizar o maximizar) una funcin lineal, denominada funcin objetivo, de tal forma que las variables de dicha funcin estn sujetas a una serie de restricciones que expresamos mediante un sistema de inecuaciones lineales. La programacin lineal constituye un importante campo de la optimizacin por varias razones, muchos problemas prcticos de la investigacin de operaciones pueden plantearse como problemas de programacin lineal. Algunos casos especiales de programacin lineal, tales como los problemas de flujo de redes y problemas de flujo de mercancas se consideraron en el desarrollo de las matemticas lo suficientemente importantes como para generar por si mismos mucha investigacin sobre algoritmos especializados en su solucin. Una serie de algoritmos diseados para resolver otros tipos de problemas de optimizacin constituyen casos particulares de la ms amplia tcnica de la programacin lineal. Histricamente, las ideas de programacin lineal han inspirado muchos de los conceptos centrales de la teora de optimizacin tales como la dualidad, la descomposicin y la importancia de la convexidad y sus generalizaciones. Del mismo modo, la programacin lineal es muy usada en la microeconoma y la

administracin de empresas, ya sea para aumentar al mximo los ingresos o reducir al mnimo los costos de un sistema de produccin. Algunos ejemplos son la mezcla de alimentos, la gestin de inventarios, la cartera y la gestin de las finanzas, la asignacin de recursos humanos y recursos de mquinas, la planificacin de campaas de publicidad, etc. Otros son:

Optimizacin de la combinacin de cifras comerciales en una red lineal de distribucin de agua. Aprovechamiento ptimo de los recursos de una cuenca hidrogrfica, para un ao con afluencias caracterizadas por corresponder a una determinada frecuencia.

Soporte para toma de decisin en tiempo real, para operacin de un sistema de obras hidrulicas; Solucin de problemas de transporte. HIPERPLANOS

2.1

Un hiperplano es un anlogo de muchas dimensiones al plano (de dos dimensiones) en el espacio tridimensional. Un hiperplano afn en un espacio n-dimensional puede ser descrito por una ecuacin lineal no degenerada con la siguiente forma: No degenerada significa que no todas las ai son 0. Si b=0, se obtiene un hiperplano lineal, que pasa a travs del origen. Semiespacio. A partir del concepto de hiperplano podemos definir el concepto de semiespacio, como el conjunto de puntos que verifica que: S = { x Rn / ct x ; R, } (1) O bien: S = { x Rn / ct x ; R, } (2) En el primer caso (1) lo denominamos semiespacio inferior y en el segundo (2) semiespacio superior.

Estas dos definiciones de semiespacio se refieren a semiespacios cerrados, ya que las desigualdades son de la forma mayor (menor) -igual. Si las desigualdades son estrictas, es decir, mayor (menor) estrictamente entonces decimos que se trata de semiespacios abiertos. S = { x Rn / ct x < ; R } o S = { x Rn / ct x > ; R } Cada hiperplano define dos semiespacios. Grficamente se trata de la porcin del espacio que est por encima del hiperplano (semiespacio superior) o por debajo del hiperplano (semiespacio inferior).

2.2

CONJUNTO CONVEXO

Un conjunto S es convexo si cumple que: x1 , x2 S x1 + (1-) x2 S, [0,1] Es decir, que dados dos puntos cualesquiera del conjunto, el segmento lineal cerrado que une los dos puntos est totalmente contenido en el conjunto. La propiedad de la convexidad de los conjuntos es una propiedad deseable en los problemas de optimizacin, aunque si no se cumple, se pueden aplicar otras condiciones que se vern ms adelante.

No obstante, para algunos conjuntos no convexos es posible definir su envoltura Convexa Co(S), concepto que podemos expresar como: el menor conjunto convexo que contiene a S (no convexo), o tambin como la interseccin de todos los conjuntos. Conjuntos convexo "por definicin" a) El conjunto vaco () es un conjunto convexo. b) Los conjuntos de un nico punto {a}, tambin son conjuntos convexos. c) Tambin el conjunto Rn (espacio total) es un conjunto convexo. Teorema (teorema de representacin de conjuntos convexos finitos). Si un conjunto convexo est acotado y cerrado, cualquiera de sus puntos puede escribirse como una combinacin convexa de sus puntos extremos. 2.3 DESIGUALDADES LINEALES

Las desigualdades lineales son expresiones que indican que dos cantidades no son necesariamente iguales ( > , < , , ) . Las desigualdades lineales se resuelven exactamente como las igualdades, con una importante excepcin: al multiplicar o dividir por una cantidad negativa, el signo de desigualdad se invierte.

2.4

COMBINACIONES CONVEXAS

Una combinacin convexa es una combinacin lineal de puntos (los cuales pueden ser vectores, escalares o ms en general puntos en un espacio afn) donde todos los coeficientes son no-negativos y suman 1. Todas las posibles combinaciones convexas estn dentro de la envoltura convexa de los puntos dados. De hecho, la coleccin de todas las combinaciones convexas de puntos en el conjunto constituye la envoltura convexa del conjunto.

Formalmente, dando un conjunto finito de puntos

en un

espacio vectorial real, una combinacin convexa de esos puntos es un punto de la forma y 2.5 PROGRAMACIN LINEAL (INTERPRETACIN GEOMTRICA) donde los nmero reales i satisface

Un mtodo sencillo para resolver problemas de programacin lineal con dos o a lo sumo tres variables, es mediante la representacin geomtrica en el plano o en el espacio, de los conjuntos convexos que cumplen las restricciones de desigualdad. Ejemplos grficos de los conjuntos convexos en el plano y en el espacio real:

Ejemplos grficos de conjuntos no convexos en el plano y en el espacio real:

La interpretacin geomtrica nos puede ser til en el caso de problemas sencillos, es decir en el caso que intervengan pocas variables. Sin embargo, para la resolucin de problemas ms complejos tendremos que emplear otros mtodos. Adems, en el caso de variables acotadas, se toma cada una de las restricciones, como una desigualdad de restriccin. Y en el caso de que busquemos soluciones enteras, se suelen utilizar otros mtodos.