EJEMPLO 1.

En una granja agrcola se desea criar conejos y pollos como complemento en su economa, de forma que no se superen en conjunto las 180 horas mensuales destinadas a esta actividad. Su almacn slo puede albergar un mximo de 1000 kilogramos de pienso. Si se supone que un conejo necesita 20 kilogramos de pienso al mes y un pollo 10 kilogramos al mes, que las horas mensuales de cuidados requeridos por un conejo son 3 y por un pollo son 2 y que los beneficios que reportara su venta ascienden a 500 y 300 pesetas por cabeza respectivamente, hallar el nmero de animales que deben criarse para que el beneficio sea mximo. Solucin: Definimos las variables originales como: x1 = nmero de conejos. x2 = nmero de pollos. La funcin a maximizar, beneficio obtenido, ser: f (x1 , x2 ) = 500 x1 + 300 x2 Las restricciones lineales del problema se formulas como: 20 x1 + 10 x2 1000 3x1 + 2 x2 180 (para la disponibilidad del pienso) (para la disponibilidad de horas)

Finalmente, tenemos las restricciones de no negatividad de las variables: x1 , x2 0

El planteamiento del problema queda, por tanto, de la siguiente manera: max s.a.: f (x1 , x2 ) = 500 x1 + 300 x2 20 x1 + 10 x2 1000 3x1 + 2 x2 180 x1 , x2 0

El siguiente paso consistir en pasar a la forma estndar, esto es, introducimos variables de holgura en las dos restricciones verdaderas, obteniendo, una vez realizadas las simplificaciones oportunas: max s.a.: 500 x1 + 300 x2 H 2 x1 + x2 + x3 = 100
H 3x1 + 2 x2 + x4 = 180 H x1 , x2 , x3H , x4 0

La solucin factible bsica inicial es:

H x1 = x2 = 0 , x3 = 100 , H x4 = 180

As, obtenemos la tabla inicial del algoritmo del Simplex: x1

H x3

x2 3 2 300

H x3

H x4

100 180

2 3 500

1 0 0

0 1 0

H 4

Continuamos con las siguientes iteraciones: x1 x1 x

H 4

x2 1/2 1/2 50

H x3

H x4

50 30

1 0 0

1/2 -3/2 -250

0 1 0

x1 x1 x2 20 60 1 0 0

x2 0 1 0

H x3

H x4

2 -3 -100

-1 2 -100

Obtenemos, por tanto, la solucin ptima cuyo valor es:

* * x1 = 20 conejos, x2 = 60 pollos, Z * = 28000 pesetas.

Este problema puede ser resuelto tambin grficamente:

A B 500x + 300y = 0 3x + 2y = 180 20x + 10y = 1000

Ahora, calculamos los vrtices y el valor que toma en ellos la funcin objetivo: A = (0,0), B = (50,0), C = (20,60), D = (0,90) f (A) = 0, f(B) = 25000, f(C) = 28000, f(D) = 27000 Por tanto, obtenemos la misma solucin: 20 conejos y 60 pollos, con un beneficio mximo de 28000 pesetas.

EJEMPLO 2. En una fbrica de dulces navideos se preparan dos surtidos para lanzarlos al mercado. El primero se vende a 450 pesetas y contiene 150 gramos de polvorones, 100 gramos de mantecados y 80 gramos de roscos de vino. El segundo surtido se vende a 560 pesetas y contiene 200 gramos de polvorones, 100 gramos de mantecados y 100 gramos de roscos de vino. Se dispone de un total de 200 kilogramos de polvorones, 130 kilogramos de mantecados y 104 kilogramos de roscos de vino. La empresa de embalajes slo le puede suministrar 1200 cajas. Cuntos surtidos de cada tipo convendra fabricar para que el beneficio sea mximo?. Solucin: Definimos las variables originales como: x1 = nmero de surtidos del tipo 1. x2 = nmero de surtidos del tipo 2. La funcin a maximizar, beneficio obtenido, ser: f (x1 , x2 ) = 450 x1 + 560 x2 Las restricciones lineales del problema se formulan como: 150 x1 + 200 x2 200000 100 x1 + 100 x2 130000 80 x1 + 100 x2 104000 x1 + x2 1200 (para la disponibilidad de los polvorones) (para la disponibilidad de los mantecados) (para la disponibilidad de los roscos) (para la disponibilidad de las cajas)

Finalmente, por su definicin, tenemos las restricciones de no negatividad de las variables: x1 , x2 0

El planteamiento del problema queda, por tanto, de la siguiente manera: max s.a.: f (x1 , x2 ) = 450 x1 + 560 x2 150 x1 + 200 x2 200000 100 x1 + 100 x2 130000 80 x1 + 100 x2 104000 x1 + x2 1200 x1 , x2 0 Observamos que la restriccin de la disponibilidad de cajas implica la restriccin de la disponibilidad de los mantecados, por lo que esta ltima puede ser eliminada del problema. Teniendo en cuenta esta circunstancia, y simplificando en el resto de las restricciones, obtenemos la forma estndar: max s.a.: 450 x1 + 560 x2 3 H x1 + 2 x2 + x3 = 2000 2 4 H x1 + x2 + x4 = 1040 5 H x1 + x2 + x5 = 1200
H H x1 , x2 , x3H , x4 , x5 0

La solucin factible bsica inicial es:

H x1 = x2 = 0 , x3 = 2000 , H x4 = 1040 , H x5 = 1200

As, obtenemos la tabla inicial del algoritmo del Simplex: x1

H x3

x2 2 1 1 560

H x3

H x4

H x5

2000 1040 1200

3/2 4/5 1 450

1 0 0 0

0 1 0 0

0 0 1 0

x x

H 4 H 5

Continuamos con las siguientes iteraciones: x1 x2 x x

H 4 H 5

x2 1 0 0 0

H x3

H x4

H x5

1000 40 200

3/4 1/20 1/4 30

1/2 -1/2 -1/2 -280

0 1 0 0

0 0 1 0

x1 x2 x1 H x5 400 800 0 0 1 0 0

x2 1 0 0 0

H x3

H x4

H x5

8 -10 2 20

-15 20 -5 -600

0 0 1 0

x1 x2 x1 H x3 400 800 0 0 1 0 0

x2 1 0 0 0

H x3

H x4

H x5

0 0 1 0

5 -5 -5/2 -550

-4 5 1/2 -10

Obtenemos, por tanto, la solucin ptima cuyo valor es:

* * x1 = 800 surtidos tipo 1, x2 = 400 surtidos tipo 2, Z * = 584000 pesetas.

Notamos que al igual que ocurra para el ejemplo 1, este problema puede ser resuelto tambin grficamente, donde idenficamos las variables por comodidad como x e y (nmero de surtidos del tipo 1 y del tipo 2 respectivamente). El mtodo de resolucin grfica quedar de la siguiente manera:

A 450x + 560y = 0

150x + 200y = 200000 B x + y = 1200 80x + 100y = 104000

Ahora, calculamos los vrtices y el valor que toma en ellos la funcin objetivo. Notamos que el punto de corte de las tres rectas de las restriciones tomadas dos a dos, es el mismo punto C: A = (0,0), B = (1200,0), C = (800,400), D = (0,1000) f (A) = 0, f(B) = 540000, f(C) = 584000, f(D) = 560000 Por tanto, obtenemos la misma solucin: 800 surtidos del tipo 1 y 400 del tipo 2, con un beneficio mximo de 584000 pesetas. EJEMPLO 3. Cierto fabricante produce sillas y mesas para las que requiere la utilizacin de dos secciones de produccin: la seccin de montaje y la seccin de pintura. La produccin de una silla requiere 1 hora de trabajo en la seccin de montaje y de 2 horas en la de pintura. Por su parte, la fabricacin de una mesa precisa de 3 horas en la seccin de montaje y de 1 hora en la de pintura. La seccin de montaje slo puede estar 9 horas diarias en funcionamiento, mientras que la de pintura slo 8 horas. El beneficio produciendo mesas es doble que el de sillas. Cul ha de ser la produccin diaria de mesas y sillas para que el beneficio sea mximo?.

Solucin: Definimos las variables originales como: x1 = nmero de sillas. x2 = nmero de mesas. La funcin a maximizar, beneficio obtenido, ser: f (x1 , x2 ) = x1 + 2 x2 Las restricciones lineales del problema se formulan como: x1 + 3x2 9 2 x1 + x2 8 (disponibilidad de horas en la seccin de montaje) (disponibilidad de horas en la seccin de pintura)

Finalmente, tenemos las restricciones de no negatividad de las variables: x1 , x2 0 El planteamiento del problema queda, por tanto, de la siguiente manera: max s.a.: f (x1 , x2 ) = x1 + 2 x2 x1 + 3 x2 9 2 x1 + x2 8 x1 , x2 0

Obtenemos la forma estndar al introducir las correspondientes variables de holgura: max s.a.: x1 + 2x2 H x1 + 3 x2 + x3 = 9
H 2 x1 + x2 + x4 = 8 H x1 , x2 , x3H , x4 0

La solucin factible bsica inicial es: x1 = x2 = 0 ,

H x3 = 9 , H x4 = 8

As, obtenemos la tabla inicial del algoritmo del Simplex: x1

H x3

x2 3 1 2

H x3

H x4

9 8

1 2 1

1 0 0

0 1 0

H 4

Continuamos con las siguientes iteraciones: x1 x2 x

H 4

x2 1 0 0

H x3

H x4

3 5

1/3 5/3 1/3

1/3 -1/3 -2/3

0 1 0

x1 x2 x1 2 3 0 1 0

x2 1 0 0

H x3

H x4

2/5 -1/5 -3/5

-1/5 3/5 -1/5

Obtenemos, por tanto, la solucin ptima cuyo valor es:

* * x1 = 3 sillas, x2 = 2 mesas, Z * = 7 veces el valor de venta de una silla.

Notamos que de nuevo este problema puede ser resuelto aplicando el mtodo grfico, donde idenficamos las variables por comodidad como x e y (nmero de sillas y de mesas respectivamente). Asi pues, obtenemos:

C x + 3y = 9 A B 2x + y = 8

x + 2y = 0

Ahora, calculamos los vrtices y el valor que toma en ellos la funcin objetivo: A = (0,0), B = (4,0), C = (3,2), D = (0,3) f (A) = 0, f(B) = 4, f(C) = 7, f(D) = 6 Por tanto, obtenemos la misma solucin: 3 sillas y 2 mesas, con un beneficio mximo de 7 veces el valor de una silla. EJEMPLO 4. En una fbrica se elaboran tres tipos de herramientas A, B y C. En la fbrica trabajan 3 obreros durante 8 horas diarias y un revisor, para comprobar las herramientas una vez construidas, que trabaja 1 hora diaria. Para la construccin de A se emplean 3 horas diarias de mano de obra y precisa de 6 minutos de revisin, para la construccin de B se emplean igualmente 3 horas de mano de obra y 4 minutos para su revisin, y para C es necesaria 1 hora diaria de mano de obra y 3 minutos de revisin. Por problemas de produccin en la fbrica no se pueden fabricar ms de 12 herramientas diarias y el precio de cada herramienta A, B y C es de 4000, 3000 y 2000 pesetas respectivamente. Hallar cuntas unidades se deben elaborar cada da de cada una de ellas para obtener un beneficio mximo.

10

Solucin: Definimos las variables originales como: x1 = nmero de unidades diarias del tipo A. x2 = nmero de unidades diarias del tipo B. x3 = nmero de unidades diarias del tipo C. La funcin a maximizar, beneficio obtenido, ser: f (x1 , x2 , x3 ) = 4000 x1 + 3000 x2 + 2000 x3 Las restricciones lineales del problema se formulan como: 3x1 + 3x2 + x3 24 6 x1 + 4 x2 + 3x3 60 x1 + x2 + x3 12 (disponibilidad de tiempo de mano de obra) (disponibilidad de tiempo de revisin) (restriccin de nmero de herramientas)

Finalmente, por su definicin, tenemos las restricciones de no negatividad de las variables: x1 , x2 , x3 0 El planteamiento del problema queda, por tanto, de la siguiente manera: max s.a.: f (x1 , x2 , x3 ) = 4000 x1 + 3000 x2 + 2000 x3 3x1 + 3x2 + x3 24 6 x1 + 4 x2 + 3 x3 60 x1 + x2 + x3 12 x1 , x2 , x3 0

Obtenemos la forma estndar al introducir las correspondientes variables de holgura:

11

max s.a.:

4000 x1 + 3000 x2 + 2000 x3

H 3x1 + 3x2 + x3 + x4 = 24

6 x1 + 4 x2 + 3x3 + x5H = 60
H x1 + x2 + x3 + x6 = 12 H H H x1 , x2 , x3 , x4 , x5 , x6 0

La solucin factible bsica inicial es: x1 = x2 = x3 = 0 ,

H x4 = 24 , H x5 = 60 , H x6 = 12

As, obtenemos la tabla inicial del algoritmo del Simplex: x1

H x4 H x5

x2 3 4 1 3000

x3 1 3 1 2000

H x4

H x5

H x6

24 60 12

3 6 1 4000

1 0 0 0

0 1 0 0

0 0 1 0

H 6

Continuamos con las siguientes iteraciones: x1 x1 H x5 x

H 6

x2 1 -2 0 -1000

x3 1/3 1 2/3

H x4

H x5

H x6

8 12 4

1 0 0 0

1/3 -2 -1/3

0 1 0 0

0 0 1 0

2000/3 -4000/3

x1 x1 H x5 x3 6 6 6 1 0 0 0

x2 1 -2 0 -1000

x3 0 0 1 0

H x4

H x5

H x6

1/2 -3/2 -1/2 -5000/3

0 1 0 0

-1/2 -3/2 3/2 -1000

12

Obtenemos, por tanto, la solucin ptima cuyo valor es:

* * * x1 = 6 herramientas A, x2 = 0 herramientas B, x3 = 6 herramientas C,

Z * = 36000 pesetas de beneficio mximo. EJEMPLO 5. Un dentista emplea a tres asistentes. En los dos sillones de su consulta se realizan trabajos de endodoncia y estomatologa general. Un servicio de endodoncia requiere 0.75 horas de silln, 1.5 de trabajo de un asistente y 0.25 horas de trabajo del dentista. Un servicio de estomatologa general requiere, respectivamente, 0.75 horas, 1 hora y 0.5 horas. Por cada servicio de endodoncia se obtiene un beneficio de 5000 pesetas y por cada servicio de estomatologa general 4000 pesetas. Si tanto el dentista como sus asistentes trabajan 8 horas diarias, cmo debe distribuirse el trabajo, entre endodoncias y sesiones de estomatologa general, para que el beneficio diario sea mximo?. Solucin: Definimos las variables originales como: x1 = nmero de endodoncias. x2 = nmero de sesiones de estomatologa general. La funcin a maximizar, beneficio obtenido, ser: f (x1 , x2 ) = 5000 x1 + 4000 x2 Las restricciones lineales del problema se formulan como: 0.75 x1 + 0.75 x2 16 1.5 x1 + x2 24 0.25 x1 + 0.5 x2 8 (disponibilidad de tiempo de silln) (disponibilidad de tiempo de asistentes) (disponibilidad de tiempo del dentista)

13

Finalmente, por su definicin, tenemos las restricciones de no negatividad de las variables: x1 , x2 0 El planteamiento del problema queda, por tanto, de la siguiente manera: max s.a.: f (x1 , x2 ) = 5000 x1 + 4000 x2 0.75 x1 + 0.75 x2 16 1.5 x1 + x2 24 0.25 x1 + 0.5 x2 8 x1 , x2 0 Simplificando la funcin objetivo entre 1000, obtenemos la forma estndar al introducir las correspondientes variables de holgura: max s.a.: 5 x1 + 4 x2 H 0.75 x1 + 0.75 x2 + x3 = 16
H 1.5 x1 + x2 + x4 = 24 0.25 x1 + 0.5 x2 + x5H = 8 H H x1 , x2 , x3H , x4 , x5 0

La solucin factible bsica inicial es:

H x1 = x2 = 0 , x3 = 16 , H x4 = 24 , H x5 = 8

As, obtenemos la tabla inicial del algoritmo del Simplex: x1

H x3

x2 3/4 1 1/2 4

H x3

H x4

H x5

16 24 8

3/4 3/2 1/4 5

1 0 0 0

0 1 0 0

0 0 1 0

x x

H 4 H 5

14

Continuamos con las siguientes iteraciones: x1

H x3

x2 1/4 2/3 1/3 2/3

H x3

H x4

H x5

4 16 4

0 1 0 0

1 0 0 0

-1/2 2/3 -1/6 -10/3

0 0 1 0

x1 H x5

x1
H x3

x2 0 0 1 0

H x3

H x4

H x5

1 8 12

0 1 0 0

1 0 0 0

-3/8 1 -1/2 -3

-3/4 -2 3 -2

x1 x2

Obtenemos, por tanto, la solucin ptima cuyo valor es:

* x1 = 8 *

endodoncias,

* x2 = 12

sesiones

de

estomatologa

general,

Z = 88000 pesetas de beneficio mximo. Este problema puede ser resuelto aplicando el mtodo grfico:

D C A B 1.5x + y = 24 0.25x + 0.5y = 8 0.75x + 0.75y = 16

5000x + 4000y = 0

15

Ahora, calculamos los vrtices y el valor que toma en ellos la funcin objetivo: A = (0,0), B = (16,0), C = (8,12), D = (0,16) f (A) = 0, f(B) = 80000, f(C) = 88000, f(D) = 64000 Por tanto, obtenemos la misma solucin: 8 endodoncias y 12 sesiones de estomatologa general, con un beneficio mximo de 88000 pesetas.

16

1
1

Elementos de Programacin Lineal

1) Conjuntos Convexos
Se exponen primero algunas ideas referidas a un sistema de coordenadas cartesianas bidimensional. Considrense los dos vectores

4 P1 = , 1

1 P2 = 4

Eljase un punto P del segmento

P1 P2

de tal forma que

PP : P2 P = 1: 2 = : (1 ) siendo = 1 . Empleando notacin 1 3

vectorial se tiene:

P1 P P P2
De esta forma ser

(1 ) P 1 (1 ) P = P P 2
que se convierte en

P = (1 ) P 1 + P 2
Resultado ste que puede resumirse en la forma siguiente: Cuando dados dos vectores P1 y P 2 se elige un punto P del vector P1 P 2 de tal forma que lo divida en dos partes segn la razn
Fig. 1

P1 P : P P 2 = : 1
Se puede establecer que

P = (1 ) P 1 + P 2
1

0 1

Taro Yamane: Matemticas para economistas, Ediciones Ariel S.A. Barcelona, Espaa. 1972

De esta forma cada punto del segmento PP2 puede expresarse como 1 combinacin lineal de P 1 y P 2 haciendo que comprendidos entre 0 y 1. En este caso se tiene

tome valores

4 1 3 P = (1 1 ) + 1 = 3 3 1 4 2

Los mdulos vienen dados por

4 3 4 3 2 1 1 2 P1 P = P1 P P1 P = = 1 2 1 2 1 1

)(

1 2

= 11 + ( 1) ( 1) 2 = 2
1 2 P P2 = P P2 P P2 = 8 = 2 2

)(

Y as se obtiene

P1 P P P2

2 2 2

1 2

Se ha visto que el vector P vena dado por P siendo 0

= (1 ) P 1 + P 2
1

1.

As

P=

{(1 ) P

+ P 2 , siendo

0 1 expresa el conjunto de puntos a que da lugar el

vector P1 P2 o, en trminos geomtricos, el segmento P1 P2 . Llmese a P1 P2 segmento que une a P 1 con P 2 .

P es una combinacin lineal de P 1 y P 2 . Cuando los coeficientes de

P 1 y P 2 suman la unidad se dice que tal combinacin es una

combinacin lineal convexa.

Sea S un conjunto y P1 y P2 puntos del mismo. Cuando P, perteneciendo al conjunto S, es combinacin lineal convexa de P1 y P2, se dice que S es un conjunto convexo C. La figura 2 muestra un conjunto convexo. Como se ve, cualquier punto que sea combinacin lineal convexa de dos puntos pertenecientes al tringulo sombreado pertene-. cer tambin al mismo. O tambin se puede decir que, dados dos puntos del conjunto, si el segmento que los une, est tambin en l, se tiene un conjunto convexo.
Fig.2

Las figuras 3(a) y 3(b) muestran otros tantos ejemplos de conjuntos convexos, mientras que en la figura 3(c) se representa un conjunto no convexo.

(a)

(b) Fig. 3

(c)

Se ampliaran ahora estos conceptos al caso de tres dimensiones. Los puntos P1, P2, y P3 definirn un plano. Sea P un punto de este plano. Trazando una recta que partiendo de P1 pase por P y corte al segmento

P2 P3 en P segn la razn P2 P : P3 P = 1: 2 = : (1 ) siendo 0 1.

P ser entonces una combinacin lineal de P2 y P3, esto es,

P = (1 ) P2 + P3
Si a continuacin se hace P P : PP = 1: 2 = (1 ) : , resulta 1

P = (1 ) P1 + P = (1 ) P1 + (1 ) P2 + P3
Esto expresa que P es una combinacin lineal de P1, P2, y P3. Pero se observa que la suma de los coeficientes es igual a 1, es decir,

(1 ) + (1 ) +

=1

En consecuencia, P es una combinacin lineal convexa de P1, P2, y P3. Llamando a los coeficientes a1, a2, y a3 se tiene que
P = a
1

P1 +

a a

s ie n d o

2 i

a
i

= 1, a

Fig. 4

Este razonamiento se puede generalizar. Si se tiene un espacio vectorial de n dimensiones

n

y m puntos P1, P2, ...., Pm ( m n ) estos puntos

n

determinarn un hiperplano en

. Por lo tanto un punto P

perteneciente a este hiperplano puede expresarse como una combinacin lineal de los Pi

( i = 1, 2,3,..., n ) , es decir,
s ie n d o

P = a 1 P1 + a 2 P2 + + a m Pm

a i = 1,

ai 0

Si todos los puntos P pertenecen al mismo conjunto de los puntos P1, P2, ...., Pm se tiene un conjunto convexo. Al vector le llama vector probabilidad.

[ a1 , a2 ,..., am ]se

Fig. 5

2) Envolvente Convexa
Considrese un tringulo P1P2P3, como el de la figura 5 y sea S el conjunto de los tres puntos P1, P2 y P3, esto es,

S = { P1 , P2 , P3 }
Se eligen dos puntos P1 y P2 y se traza el segmento P P2 . Pues bien, el 1 conjunto de puntos de los que se compone el segmento P P2 viene dado 1 como combinacin lineal convexa de P1 y P2, es decir,
S =

{P

= a 1 P1 + a 2 P 2 }

s ie n d o

a i = 1,

ai 0

Anlogamente, los puntos de P P P P sern combinaciones lineales 2 3 3 1 convexas de los vectores puntos P2 y P3 (P3 y P1). As se tienen tres nuevos conjuntos de puntos correspondientes a los tres segmentos rectilneos P P2 , P2 P3 y P3 P . 1 1 Se escoger ahora un punto de P P2 y otro de P2 P3 . Entonces el 1 conjunto de puntos obtenido a partir de la combinacin lineal convexa

( )

de esos dos puntos vendr dado por el segmento rectilneo que los une. Adems, el segmento rectilneo pertenecer al tringulo P1P2P3. Una vez este proceso se haya repetido muchas veces para los restantes puntos, se ver intuitivamente que todos los puntos obtenidos de esta forma sern puntos pertenecientes al tringulo P1P2P3. El conjunto de puntos de los que se compone el tringulo constituye la envolvente convexa del conjunto S =

{ P1 , P2 , P3 }. O tambin se puede decir que { P1 , P2 , P3 }es

el

la envolvente convexa K del conjunto S =

conjunto de puntos que son combinacin lineal convexa de los puntos de S. Naturalmente S =

{ P1 , P2 , P3 }es un subconjunto de K.

Fig.6

Los puntos extremos del conjunto convexo S son aquellos que no estn situados sobre ningn segmento que una dos puntos de S, siendo por tanto P1, P2 y P3 los puntos extremos del conjunto S. Supngase ahora que se tiene un conjunto S =

{ P1 , P2 , P3 , P4 } tal

como el de la figura 6. Bien claro se puede ver que S no es un conjunto convexo. Cuando se construye su envolvente convexa K, sta ser el tringulo P1P2P3 que como se ha visto es convexo.

3) Cono Convexo
Considrese el conjunto convexo

S = { P1 , P2 , P3 } en el que los Pi

son los vectores punto. Por rayo a travs de P se entiende al vector P 1 que pasa por P1 partiendo de 0. Como puede verse, cuando 0 1 el rayo es un vector comprendido entre 0 y P1. Cuando = 1, el rayo es el vector 0P , y cuando > 1, el rayo se prolonga ms all de P1 (fig. 7). 1 Pueden trazarse tres rayos que corresponden a los puntos P1, P2 y P3. Siendo P un punto arbitrario situado dentro de los lmites de los rayos, cualquier punto P ( 0 ) caer tambin dentro de estos lmites. En el caso en que todos lo puntos P ( 0 ) caigan dentro del mismo conjunto al que pertenece P se dir que el conjunto es un cono. Cuando el conjunto de puntos Pi sea convexo, se tendr un cono convexo. Tambin una combinacin lineal convexa de dos puntos del cono convexo, pertenecer al cono. Si se admite que < 0 se tiene un grfico como el de la figura 8. Esta figura tambin es un cono en el sentido que para cada punto P del cono,

P tambin estar en el cono, pero dado que puede se puede elegir

un punto P tal que el segmento que lo una con P no est en el cono.

Fig. 7

Fig. 8

Por lo tanto, este cono no forma un conjunto convexo. Pero si se aade la limitacin 0 , se quiere decir que se considerar nicamente la zona del primer cuadrante y, como puede verse, se tendr un conjunto convexo. Un conjunto convexo obtenido a partir de un nmero finito de puntos tal como en la figura 7, se conoce con el nombre de poliedro convexo. Y un cono convexo generado por un poliedro convexo se llama cono polidrico convexo.

4) Semiespacios
Sea

{P1 , P2 , P3 }un conjunto convexo. La recta P P (Fig.9) divide al

1 2

plano en dos partes, partes que se llamarn semiespacios.

Fig.9

Se expresar esta recta en la forma

a11 x1 + a12 x2 = w1
Luego,

a 1 1 x 1 + a 1 2 x 2 > w 1 ..... a 1 1 x 1 + a 1 2 x 2 < w 1 .....

s e m ie s p a c io s u p e rio r s e m ie s p a c io in f e rio r

Anlogamente, las rectas P2 P3 y P3 P dividirn al plano en dos partes. El 1 tringulo P1P2P3 (conjunto convexo) queda limitado por esas tres rectas, y se puede decir que el conjunto convexo es la interseccin de

estos tres semiespacios generados por las tres rectas, lo cual puede ser expresado en la forma

P1 P2 : P2 P3 : P3 P1 :
Y en forma matricial

a 1 1 x1 + a 1 2 x 2 w 1 a 2 1 x1 + a 2 2 x 2 w 2 a 3 1 x1 + a 3 2 x 2 w 3

a1 1 a 21 a 31
O simplemente

a12 a 22 a 32

w1 x1 x w2 2 w 3

AX W . Se generalizar esta consecuencia en la

forma siguiente: dadas cinco rectas que forman un conjunto convexo C en un espacio bidimensional (Fig. 10), se puede escribir que

AX W
Siendo A la matriz 5X2 de los coeficientes, X una matriz 2X1y W una matriz 5X1.

Fig. 10

Si se tienen n rectas y, por consiguiente 2n semiespacios, su interseccin ser tambin un conjunto convexo que puede expresarse por

AX W , siendo A una matriz nx2, X una matriz 2x1y W una

matriz nx1.

10

Como se puede ver, resolver determinar los valores de C, y resolver

AX W geomtricamente significa

X = [ x1 , x2 ] que entreguen los puntos de

AX = W significar determinar los valores de X situados

en la interseccin de las rectas, esto es, determinar los puntos extremos. Si se tiene un espacio tridimensional, la recta divisoria se convierte en un plano divisorio, y en un espacio de cuatro dimensiones se convierte en un hiperplano. Tambin se puede expresar esto en forma vectorial haciendo entonces

A = [ v1 , v2 ] siendo v1 y v2 vectores columna. Se tendr

AX = [ v1 , v2 ]
Y, por tanto, la ecuacin

x1 = v1 x1 + v2 x2 x2

AX W se convierte en

v1 x1 + v2 x2 w
5) Simplex
En un espacio bidimensional, 2+1=3 puntos extremos formarn un conjunto convexo que ser un tringulo. En un espacio tridimensional, 3+1=4 puntos extremos darn lugar a un tetraedro. Tales conjuntos convexos se conocen con el nombre de simplex. El tringulo es un 2-simplex, el tetraedro un 3-simplex. En un espacio de n dimensiones, n+1 puntos extremos darn lugar a un n-simplex.

Fig. 11

Fig.12

11

6) El Problema de la Programacin Lineal

Dada la funcin lineal

(1)

f ( y1 , y2 ) = 2 y1 2 y2

sometida a las ligaduras o condiciones lineales

4 y1 + y2 12 (2) y1 + y2 9 y1 + 4 y2 18
determinar un conjunto de valores no negativos (y1, y2) tales que (1) sea mximo. Este es el problema de la programacin lineal.

Fig. 13

Se interpretar ahora este problema en trminos de conjuntos convexos. Las condiciones lineales (2) dividen al plano en semiplanos y generan conjuntos convexos como muestra la figura 13. Luego, los puntos (y1, y2) que han de maximizar la expresin (1) (la funcin lineal o

12

funcin objetivo) deben ser puntos pertenecientes a este conjunto convexo. En este ejemplo, la funcin objetivo (1) puede representarse mediante conjuntos de rectas paralelas. Se desea determinar de entre ellas la que cortando al conjunto convexo d lugar a un valor mximo. En este ejemplo se puede ver que

( y1 , y 2 ) =

2 y1 2 y 2 = 0

Es la recta del diagrama que pasa por el origen. f (y1, y2)=2,4,6 son las rectas que se ven en el diagrama para tales valores. Como se ve, cuando f (y1, y2)= 6 la recta pasa por el punto (6,3) y f (y1, y2) alcanza un mximo. Para cualquier otro valor mayor que 6 (esto es 2y1-2y2>6) la recta pasar por fuera del conjunto convexo. Por tanto, el punto extremo (6,3) hace que la funcin lineal (funcin objetivo) sea mxima, es decir, la solucin no negativa que se busca es (y1, y2)= (6,3) Ahora se presenta en forma esquemtica el problema de la programacin lineal.

b1=2y1 b2=-2y2

c1=12 x1 a11=4 a21=1

c2=-9 x2 a12=-1 a22=-1

c3=-18 x3 a13=-1 a23=-4

Maximizar la funcin lineal (funcin objetivo)

f = b1 y 1 + b 2 y 2 = 2 y 1 2 y 2
sometida a las ligaduras o restricciones lineales

a 1 1 y1 + a 2 1 y 2 c1 a12 y1 + a 22 y 2 c 2 a13 y1 + a 23 y 2 c 3

13

que, por ejemplo, son

4 y y y
1

1 1

y y

2 2 2

1 2 9 1 8

4 y

siendo las yi no negativas. La solucin que antes se obtuvo era (y1, y2)= (6,3) y el valor mximo de la funcin lineal era

f = 2 y1 2 y 2 = 2 6 2 3 = 6
A este problema de mximo se le puede hacer corresponder un problema de mnimo. De ah que se habla del dual de un problema de mximo. Tal problema se establece como sigue. Hallar un conjunto de valores no negativos (x1, x2, x3) que hagan mnima la funcin

g = c1 x1 + c 2 x 2 + c 3 x 3
sometida a las condiciones lineales

a 1 1 x 1 + a 1 2 x 2 + a 1 3 x 3 b1 a 2 1 x1 + a 2 2 x 2 + a 2 3 x 3 b 2
En el ejemplo, tal problema se establecera de la siguiente manera: hallar el mnimo de la funcin

g = 1 2 x1 9 x 2 1 8 x 3
sometida a las condiciones lineales

4 x1 x 2 x 3 2 x1 x 2 4 x 3 2
Puede demostrarse que el valor mnimo de g es 6, es decir, el valor mximo de f determinado anteriormente.