You are on page 1of 7

lgebra lineal

El lgebra lineal es una rama de las matemticas que estudia conceptos tales como vectores, matrices,
sistemas de ecuaciones lineales y en su enfoque de manera ms formal, espacios vectoriales y sus
transformaciones lineales.
Es un rea activa que tiene conexiones con muchas reas dentro y fuera de las matemticas, como el anlisis
funcional, las ecuaciones diferenciales, la investigacin de operaciones, las grficas por computadora, la
ingeniera, entre otros.
La historia del lgebra lineal moderna se remonta a 1843, cuando William Rowan Hamilton (de quien proviene el
uso del trmino vector) cre los cuaterniones; y a 1844, cuando Hermann Grassmann public su libro Die
lineare Ausdehnungslehre (La teora lineal de extensin).
Rectas
En geometra euclidiana, la recta o la lnea recta se extiende en una misma direccin por tanto tiene una sola
dimensin y contiene infinitos puntos; se puede considerar que est compuesta de infinitos segmentos. Dicha
recta tambin se puede describir como una sucesin continua e indefinida de puntos extendidos en una sola
dimensin, es decir, no posee principio ni fin.
Es uno de los entes geomtricos fundamentales, junto al punto y el plano. Son considerados conceptos
apriorsticos ya que su definicin solo es posible a partir de la descripcin de las caractersticas de otros
elementos similares. Un ejemplo de las dificultades de la definicin de la recta a partir de puntos es la llamada
paradoja de Zenn de la dicotoma que ilustraba la desaparicin de la recta al dividirla en puntos. As, es posible
elaborar definiciones basndose en los postulados caractersticos que determinan relaciones entre los entes
fundamentales. Las rectas se suelen denominar con una letra minscula.
En geometra analtica las lneas rectas pueden ser expresadas mediante una ecuacin del tipo y = m x + b,
donde x, y son variables en un plano cartesiano. En dicha expresin m es denominada la "pendiente de la recta"
y est relacionada con la inclinacin que toma la recta respecto a un par de ejes que definen el plano. Mientras
que b es el denominado "trmino independiente" u "ordenada al origen" y es el valor del punto en el cual la recta
corta al eje vertical en el plano.
Caracyeristicas de la recta

La recta se prolonga indefinidamente en ambos sentidos.

En geometra euclidiana, la distancia ms corta entre dos puntos es la lnea recta.

La recta puede definirse como el conjunto de puntos situados a lo largo de la interseccin de dos
planos.

Semirrecta
Se le llama semirrecta a cada una de las dos partes en que queda dividida una recta al ser cortada en
cualquiera de sus puntos. Es la parte de una recta conformada por todos los puntos que se ubican hacia un lado
de un punto fijo de la recta, denominado origen, a partir del cual se extiende indefinidamente en una sola
direccin.
Semirrecta opuesta
La semirrecta opuesta de una semirrecta es la otra semirrecta salida de la recta que define la primera.

Cada semirrecta solo tiene una semirrecta opuesta.

Una semirrecta y su semirrecta opuesta tienen el mismo origen.

Semi-espacios
Se denomina semiespacio, a cada una de las dos partes en que un espacio queda dividido por un plano
contenido en l.
El concepto se aplica tanto en el mbito de la geometra, como respecto a otros mbitos de la matemticas en
los que existen conceptos de espacio y plano.
Combinacin convexa
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 la 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

donde los nmeros reales

satisface

Dados tres puntos


figura, el punto
que

no lo es.

en el plano como se muestra en la

es combinacin convexa de los tres puntos, mientras

es sin embargo una combinacin afn de los tres puntos, as como su envoltura afn es todo el plano.)

Poliedros
Un poliedro es, en el sentido dado por la geometra clsica al trmino, un cuerpo geomtrico cuyas caras son
planas y encierran un volumen finito. La palabra poliedro viene del griego clsico (polyedron), de la
raz (polys), "muchas" y de (edra), "base", "asiento", "cara".
Los poliedros se conciben como cuerpos tridimensionales, pero hay semejantes topolgicos del concepto en
cualquier dimensin. As, el punto o vrtice es el semejante topolgico del poliedro en cero dimensiones, una
arista o segmento lo es en 1 dimensin, el polgono para 2 dimensiones; y el polcoro el de cuatro dimensiones.
Todas estas formas son conocidas como politopos, por lo que podemos definir un poliedro como un poltopo
tridimensional.
Definicin
Se llama poliedro todo cuerpo acotado, limitado por un nmero finito de superficies planas. Se demuestra que
las superficies planas que limitan un poliedro son polgonos.
Un poliedro convexo es un poliedro P, que a su vez es un conjunto convexo; es decir si contiene dos puntos A y
B, incluye al segmento que ellos determinan.
Representaciones

1- Sea S un poliedro ( o un convexo), un punto "z" de S decimos que es un punto extremo si no existe ningn
par de puntos "x" e "y" de S tales que "z" es combinacin lineal conveza.
Es decir, que no existen "x" e "y" de S y un "t" de [0,1] tal que z = xt + ( 1 - t )y
2- Caracterizacin de puntos extremos:
Sea el poliedro S determinado por los puntos "x" de R^n tales que Ax = b y x>=0 sinedo A una matriz real "mxn"
con rango "m" y "b" de R^m. Un punto "x" de S es un punto extremo si y slo si se puede expresar como:
x = [x_B; x_N] = [B^-1; 0] sinedo A=[B,N], B regular y (B^-1) b>=0.
Donde x_B representan las componentes asociadas al bloque B y x_N las asociadas al bloque N.
En otras palabras: podemos encontrar una submatriz regular de A, B, cumpliendo todo lo anterior.

Hay una caracterizacin similar para direcciones extremas, que no escribo porque su notacin es tanto o ms
tediosa que la anterior.
3- Dadas las caracterizaciones de puntos y direcciones extremas se demuestra que cualquier punto del poliedro
se puede expresar como combinacin de stos.

Metodo simplex
En optimizacin matemtica, el trmino algoritmo Smplex habitualmente se refiere a un conjunto de mtodos
muy usados para resolver problemas de programacin lineal, en los cuales se busca el mximo de una funcin
lineal sobre un conjunto de variables que satisfaga un conjunto de inecuaciones lineales. El algoritmo Smplex
primal fue desarrollado por el matemtico norteamericano George Dantzig en 1947, y procede examinando
vrtices adyacentes del poliedro de soluciones. Un algoritmo Smplex es un algoritmo de pivote.
Un mtodo llamado de manera similar, pero no relacionado al anterior, es el mtodo Nelder-Mead (1965) o
mtodo de descenso (o ascenso) smplex; un mtodo numrico que busca un mnimo (o mximo) local de una
funcin cualquiera examinando en cada paso los vrtices de un simplex.
El algoritmo del mtodo Smplex fue elegido como uno de los 10 algoritmos ms importantes del s.XX (SIAM
News, Volume 33, Number 4).
Definicn
El Mtodo Simplex es un mtodo analtico de solucin de problemas de programacin lineal capaz de resolver
modelos ms complejos que los resueltos mediante el mtodo grfico sin restriccin en el nmero de variables.
El Mtodo Simplex es un mtodo iterativo que permite ir mejorando la solucin en cada paso. La razn
matemtica de esta mejora radica en que el mtodo consiste en caminar del vrtice de un poliedro a un vrtice
vecino de manera que aumente o disminuya (segn el contexto de la funcin objetivo, sea maximizar o
minimizar), dado que el nmero de vrtices que presenta un poliedro solucin es finito siempre se hallar
solucin.
Este famossimo mtodo fue creado en el ao de 1947 por el estadounidense George Bernard Dantzig y el ruso
Leonid Vitalievich Kantorovich, con el nimo de crear un algoritmo capaz de solucionar problemas
de m restricciones y n variables.

Mtodo Simplex

Construccin de la primera tabla:

Las columnas de la tabla estn dispuestas de la siguiente forma: la primera columna de la tabla
contiene las variables que se encuentran en la base (o variables bsicas), esto es, aquellas que toman
valor para proporcionar una solucin; la segunda columna recoge los coeficientes que dichas variables
bsicas tienen en la funcin objetivo (esta columna es llamada Cb); la tercera muestra el trmino
independiente de cada restriccin (P0); a partir de sta aparece una columna por cada una de las
variables de decisin y holgura presentes en la funcin objetivo (Pj). Para tener una visin ms clara de
la tabla, se incluye una fila que contiene los ttulos de cada una de las columnas.
Sobre esta tabla se agregan dos nuevas filas: una de ellas, que lidera la tabla, donde aparecen los
coeficientes de las variables de la funcin objetivo, y una ltima fila que recoge el valor la funcin
objetivo y los costes reducidos Zj - Cj.
Los costes reducidos muestran la posibilidad de mejora en la solucin Z0. Por este motivo tambin son
llamados valores indicadores.
Se muestra a continuacin el aspecto general de la tabla del mtodo Simplex:
Tabla
Base
Cb
P1
Cb1
P2
Cb2
...
...
Pm
Cbm
Z
Todos los valores

C1
C2
...
P0
P1
P2
...
b1
a11
a12
...
b2
a21
a22
...
...
...
...
...
bm
am1
am2
...
Z0
Z1-C1
Z2-C2
...
incluidos en la tabla vendrn dados

Cn
Pn
a1n
a2n
...
amn
Zn-Cn
por el modelo del problema salvo los valores de

la fila Z (o fila indicadora). Estos se obtienen de la siguiente forma: Zj = (CbiPj) para i = 1..m, donde si
j = 0, P0 = bi y C0 = 0, y en caso contrario Pj = aij.
Se observa, al realizar el mtodo Simplex, que en esta primera tabla ocupan la base todas las variables
de holgura y por ello (todos los coeficientes de las variables de holgura son 0 en la funcin objetivo) el
valor inicial de Z es cero.
Por este mismo motivo tampoco es necesario realizar los clculos de los costes reducidos en la primera
tabla, pudindose determinar directamente como el cambio de signo de los coeficientes de cada
variable en la funcin objetivo, esto es, -Cj.

Condicin de parada:
Se cumple la condicin de parada cuando la fila indicadora no contiene ningn valor negativo entre los
costes reducidos (cuando el objetivo es la maximizacin), esto es, no existe posibilidad de mejora.
Si no se cumple la condicin de parada es necesario realizar una iteracin ms del algoritmo, esto es,
determinar la variable que se vuelve bsica y la que deja de serlo, encontrar el elemento pivote,
actualizar los valores de la tabla y comprobar si se cumple nuevamente la condicin de parada.
Es tambin posible determinar que el problema no se encuentra acotado y su solucin siempre
resultar mejorable. En tal caso no es necesario continuar iterando indefinidamente y se puede finalizar
el algoritmo. Esta situacin ocurre cuando en la columna de la variable entrante a la base todos los
valores son negativos o nulos.

Eleccin de la variable que entra a la base:

Cuando una variable se vuelve bsica, es decir, entra en la base, comienza a formar parte de la
solucin. Observando los costes reducidos en la fila Z, se decide que entra a la base la variable de la
columna en la que ste sea el de menor valor (o de mayor valor absoluto) entre los negativos.

Eleccin de la variable que sale de la base:


Una vez obtenida la variable entrante, se determina que sale de la base la variable que se encuentre en
aquella fila cuyo cociente P0/Pj sea el menor de los estrictamente positivos (teniendo en cuenta que
esta operacin se har nicamente cuando Pj sea superior a 0).

Elemento pivote:
El elemento pivote de la tabla queda marcado por la interseccin entre la columna de la variable
entrante y la fila de la variable saliente.

Actualizacin de la tabla:
Las filas correspondientes a la funcin objetivo y a los ttulos permanecern inalteradas en la nueva
tabla. El resto de valores debern calcularse como se explica a continuacin:
o

En la fila del elemento pivote cada nuevo elemento se calcula como:


Nuevo Elemento Fila Pivote = Anterior Elemento Fila Pivote / Pivote.

En el resto de las filas cada elemento se calcula:


Nuevo Elemento Fila = Anterior Elemento Fila - (Anterior Elemento Fila en Columna Pivote *
Nuevo Elemento Fila Pivote).

De esta forma se consigue que todos los elementos de la columna de la variable entrante sean nulos
salvo el de la fila de la variable saliente cuyo valor ser 1. (Es anlogo a utilizar el mtodo de GaussJordan para resolver sistemas de ecuaciones lineales).
Mtodo de las Dos Fases
El mtodo de las Dos Fases se utiliza cuando aparecen variables artificiales en la forma cannica o estndar
del problema. La primera fase trata de resolver el problema auxiliar Z' de minimizar la suma de las variables
artificiales y conseguir que sea cero (con objeto de evitar incongruencias matemticas). Una vez resuelto este
primer problema, y siempre y cuando el resultado sea el esperado, se reorganiza la tabla resultante para
utilizarla en la segunda fase sobre el problema original.
En caso contrario el problema no es factible, es decir, no tiene solucin y no ser necesario continuar con la
segunda fase.
FASE 1
Esta primera fase es muy similar al mtodo Simplex, con la excepcin de la construccin de la primera tabla,
adems de la necesidad de estudiar el resultado obtenido para determinar si se desarrolla la segunda fase.
En tal caso, la ltima tabla de esta fase ser, con algunas modificaciones, la utilizada como tabla inicial para la
segunda fase.

Construccin de la primera tabla:


Se elabora de manera anloga a la tabla inicial del mtodo Simplex, pero con algunas diferencias.
Como se ha comentado, en esta primera fase se resuelve un problema auxiliar (la minimizacin de la
suma de las variables artificiales) con una funcin objetivo auxiliar. Por lo tanto en la primera fila de la

tabla, donde se muestran los coeficientes de las variables de la funcin objetivo, aparecern todos los
trminos a cero excepto los coeficientes de variables artificiales. El valor de cada uno de estos
coeficientes es "-1" debido a que se est minimizando la suma de dichas variables (recuerde que
minimizar Z' es igual que maximizar (-1)Z').
La otra diferencia para la primera tabla radica en que ahora s es necesario calcular la fila Z (o fila
indicadora).
Tabla
C0 C1
C2
... Cn-k
... Cn
Base
Cb
P0 P1
P2
... Pn-k
... Pn
P1
Cb1
b1
a11
a12
... a1n-k
... a1n
P2
Cb2
b2
a21
a22
... a2n-k
... a2n
...
...
...
...
...
... ...
... ...
Pm
Cbm
bm am1
am2
... amn-k
... amn
Z
Z0
Z1
Z2
... Zn-k
... Zn
Siendo Zj = (CbiPj) - Cj para i = 1..m, donde si j = 0, P0 = bi y C0 = 0, y en caso contrario Pj = aij.

Condicin de parada y paso a la fase 2:


La condicin de parada es la misma que en el mtodo Simplex normal. Esto es, cuando en la fila
indicadora ninguno de los valores de los costes reducidos es negativo (ya que tal y como se ha
planteado el objetivo es la maximizacin de (-1)Z').
Cumplida la condicin de parada es necesario determinar si es posible pasar a la segunda fase para
obtener la solucin ptima del problema original. Esto se hace observando el resultado obtenido en la
primera fase: si su valor es 0, significa que el problema original tiene solucin y es posible calcularla, en
caso contrario indica que se trata de un problema no factible y no tiene solucin.

FASE 2
La segunda fase del mtodo de las Dos Fases se desarrolla exactamente igual que el mtodo Simplex, con la
salvedad de que antes de iniciar las iteraciones hay que eliminar las columnas correspondientes a las variables
artificiales, y reconstruir la tabla inicial.

Eliminar Columna de variables artificiales:


Si hemos llegado a la conclusin de que el problema original tiene solucin, debemos preparar nuestra
tabla para la segunda fase. Este paso es muy sencillo, se trata nicamente de eliminar las columnas
correspondientes a las variables artificiales.

Construccin de la tabla inicial:


La tabla inicial en este caso se mantiene casi igual a la ltima tabla de la primera fase. nicamente
habr que modificar la fila de la funcin objetivo por la del problema original y calcular nuevamente la
fila Z (de la misma forma que en la primera tabla de la fase 1).

A partir de este punto, todas las iteraciones hasta llegar a la solucin ptima del problema no presentan ninguna
diferencia con el mtodo Simplex.