Professional Documents
Culture Documents
Bromson PDF
Bromson PDF
0 25 0 6
E 6 30 9 8
F ” 2 0 8
1.18 Una compattia manufacturera local produce cuatro diferentes productos metalicos
is mevesidades especificas de tiempo (en horas) para cada producto san
palirse y ensamblarse
auientes
Maquinado,h | Pulido,h | Ensamble.
Producto E 3 1 2
Producto HL 2 1 1
Producto M1 2 2 2
Produce 1V 4 3 1
1 de 480 horas para el maguinado, 400 horas para putida ¥ 400 horas
0 son $6, $4, $6 8 $8, respectivamente. La compania
‘eniregar semanalmente 80 unidades del pro
La compania dispone semana
para ensamble, Las gananeias unitarias por prod
‘iene un contrato eon un distribuidor en ef que se vompromete
ducto 1y 100 unidades de cualguice combinacion de los productos I, HL TIL sean sea a produssion, pero
solo un maximo de 28 wnidadles del producto IV. ;Cuaintasunidades de cada producto deberia fabricar se
‘de cumplir von todas las condiviones del vontrato ¥ masimiar a ganaeia
‘manalmente ln compan
total? Considérese que las picvas incompletas pueden terminarse la siguiente seman,
1.19 Un proveedor debe prepararcon cinco bebidas de fruta en existencia, $00 gal de un ponche que contenea por
Jo menos 20%e de jugo de naranja, 10%e de jugo de toronja y Ste de jugo de arandano. Silos datos del inven
jo son los que se presentan a continuacin, ;qué cantidad de cada bebida de fruta debera emplear el pro:
veedor a fin de obtener la composicion requerida a un costo total minimo?
T
Jugode | Jugode | Jugo de Existencias) Cows,
larania,%| coronja,t® faradano, ¢4| gal | Segal
facbida A | 40 0 0 20 | ise
Bebida B s 0 20 oo | 075
Bebida C | 100 ° o wo | 200
Bebida D 0 109 o so | 175
Bebida E 0 0 o vo | 02s
1.2 Una comunidad ha reunido $250 000 para desarrollar nuevas areas de eliminacion de derechos. Hay se
tios disponibles, cuyos costes de desarrollo y capacidades se muestran a continuacidn. Qué vitios debera de
sarcollar la comunidad?CAP. 1
141
12
123
PROGRAMACION MATEMATICA 1s
io A BC DE FG
Capacidad, ton/sema
Cost, $1000
Una corporacidn de semiconductores produce un médulo especitico de estado sido, el cual se suministra a
cuatro diferentes fabricantes de tlevisores, El médulo puede producirse en cualquiera de las tres plantas de
la corporacién, aunque los costos varian debido a la diferente eficiencia de produccién de cada una,
Especificamente, cuesta $1.10 producir un médulo en la planta A, $0.95 en la planta B.y $1.03 en la planta
CC. Las capacidades mensuales de produccin de las plantas son 7”500, 10 000 y & 100 méculos, respectiva-
mente. Las estimaciones de venta predicen una demanda mensual de 4 200, 8 300, 6 300 y 2 700 madulos.
para los fabricantes de televisores I, IL IIT y IV, respectivamente, Silos costos de envio (en délares) para cm
barcar un médulo de una de las fabricas a un fabricante se muestran a continuacién, encuéntrese una vi!
de produccién que cubra todas las necesidades a un costo minimo total
cee,
A] ot 013 009 019
B| ot 016 010 016
{om 01 01 01s
La jefa del departamento de carnes de una tienda de autoservicio se encuentra la mafana del sibado con que
dispone de una existencia de 200 tb de bola, 800 Ib de solomillo y 150 Tb de carne de cerdo que se emplearin
para preparar came molida para hamburguesas, tortitas de carne para dia de campo y allbondigen, La de-
‘manda de cada tipo de care siempre excede la existencia de la tienda. La carne para hamburguesas debe
ccontener por lo menos 20% de bola molida y $0% de solomillo molido (por peso); las tortitas deben ser al
‘menos 20% de molida de cerdo y 50% de solomillo molido; y la carne para albondigon al menos 10% de bola
molida, 30% de molida de cerdo y 40% de solomillo molido. E! resto de cada producto lo constituye un
rellen barato, no de carne, del cual la tienda tiene una cantidad ilimitada. ;Cuantaslibras de cada producto
deben prepararse, si la jefa del departamento desea minimizar la cantidad de carne que permanezca almace
nada en la tienda después del domingo?
Un bufete de abogados ha aceptado cinco nuevas casos, cada uno de los cuales puede ser llevado adecuada
‘mente por cualquiera de los cinco asociados mis recientes. Debido a la diferencia en experiencia y practica.
los abogados emplearan distintos tempos en los casos. Uno de los asociados mas experimentados ha estima
do las necesidades de tiempo (en horas) como sigue:
Caso Cao? Cue 3g Cuod CaS
Aposadot | us 2 MSHS
‘Abogado? | 3 RK m= |
‘Abogsdo 3 121107 2 w os |
Aborado 4] 118 ne) tos
Abogado S| 97 3m man
Determinese a forma optima de asignar los casos a los abosados, de manera que cacla uno de ellos we dedi-
‘que a un caso diferente y que el tiempo total de horas empleadas sea minimo,
Motores Recreativos fabrica caritos para golf y vehiculos para nieve cn sus tres plantas. La planta A produ:
ce diariamente 40 carritos para golty 35 para nieve; la planta B produce diariamente 65 carrito para golf y
ninguno para nieve. La planta C produce diariamente $3 vehiculos para nieve y ninguno para golf. Los cos-
tos diarios de operacion de las plantas A, B y C son, respectivamente, $210 000, $190 000 y $182 000.
{.Cuantos dias (ineluyendo domingos y dias de fiesta) debera operar cada planta durante el mes de sep=
tiembre, a fin de lograr una produecién de 1 $00 cartitos de golf y 1 100 vehiculos para nieve, a un eosto
‘minimo? Considérese que los contratos de trabajo requieren que una vez que la planta se abre, Jos trabaja-
ores reviban el pago de todo el dia.1.26
PROGRAMACION MATEMATICA (PARTE
‘La Compania Futura produce dos tipos de fertilizantes agricolas, Futura Normal y Futura Extra. El Futu-
ra Normal esti compuesto de25M% de ingredientes activos y 75M de ingredientes nertes, mientras queel Futura
Extra contiene 40% de ingredientes activos y 60% de ingredientes inertes. La capacidad de bodega limita fos,
inventarios a $00 ton de ingredientes actives y 1 200 ton de ingredientes inertes, y las bodegas se surten
completamente una vez a la semana,
EE] Futura Normal es similar a otros fenilizantes en el mercado y tiene un precio competitivo de $250
ton, A este precio, la compatia no tiene problema para vender todo el Futura Normal que produce, asi que
ho hay resiriceion en cuanto a su precio. Desde luego, la demanda no depende del precio, y basaindose en la
‘experiencia pasada se ha fijado que el precio P (en dolares)y la demanda D (en toneladas) estan relacionados
por P = 600 — D. ;Cuantas toneladas de cada tipo deberd producir semanalmente la Compania Futura a
fin de maximizar el ingreso?
Expliquese por qué lo siguiente es una solucion andtoga al problema 1.14. Considérese que ta figura 1-4
representa la parte superior de una mesa alta. Se hacen pequettas perforaciones ala superficie de la mesa en
Tos puntos A, By C. Tres de los extremos de tres trozos de cordel estan unidos mediante un nudo, que des-
ccansa en le superficie de la mesa; los tres extremas libres se hacen pasar a través de las perforaciones y, por
‘abajo de la mesa, se les cuelgan tres pesos iguales. Entonces, sin considerar la friccion, la posicion de
tequilibrio del nudo da la localizacion éptima de la refineria,Capitulo 2
Programacion lineal:
forma estandar
En el capitulo 4 se deseribe un método para resolver programas lineales con muchas variables. Para
iniciar el metodo, se deben transformar todas las restricciones en forma de desigualdades a igualdades y
se debe conocer una solucidn factible no negativa.
CONDI
JONES DE. NO NEGATIVIDAD,
Cualquier variable que alin no haya sido sujeta a restriveion de no negatividad. se reemplaza por la
diferencia entre dos de las nuevas variables que lengan esta restriccion (véase el problema 2.6).
Las restrieciones lineales (Capitulo 1) son de la forma:
Zaai~a an
donde ~ representa una de las relaciones <, >, = (no necesariamente la misma para cada). Las cons-
antes b; se pueden considerar siempre como no negativas.
Dey + ey = ey Sa
Ejemplo 2.1 La restriccion 2x, ~ 3x + 4, S —$se multiplica por ~ 1 para obten
‘cual tiene un lado derecho positive,
VARIABLES DE HOLGURA ¥ VARIABLES SUPERFLUAS
Una restrivcion lineal de forma ¥ ux, < b, se pucde convertir en una ecuacion, agregando wna
nueva variable no negativa al lado izquierdo de la desigualdad. Esta variable ey numéricamente igual ala
diferencia entre el ado izquierdo ¥ el derecho de la desigualdad, v se conoce como variable de holga.
Representa el desperdicio involucrado en esta fase del sistema, ettyo modelo est dado por la restriecin
Ejemplo 2.2 La primera restrccion del problema 1.6 ex
cy + Se-+ Bay Sx1 30000
El ado izquierdo de esta desigualdad es el modelo correspondiente al total de horas empleadas para ensamblar todas
tas consolas de los televisores, mientras que el lado derecho es ef total de horas disponibles. Esta desigualdad se
transforma en fa ecu
y+ Sat 3s Seat xe = 30000
al anadir fa variable de holgura x al lado izquierdo de la desigualdad. Aqui x; representa ef nimero de horas de en-
samble de que dispone, pero no usd. el abricante.
Una restric
n lineal de forma ¥ aps) 2 Py se puede convertir en wna deuguathlad, restando unt
eva variable no negativa del lado i7quicrdo de la desigualdad. Esta variable es numericamente igual &
a diferencia entre los ladas izquierdo y derecho de la devigualdad. v se conoce como variable superfiua.
Representa el eveeso de entrada en esta fase del sistema cuyo modelo esta dado por la restrivcion.8 PROGRAMACION MATEMATICA IPARTE |
Ejemplo 2.3 La primera restriccion en el problema 1.5 es
davt6ret ge
El ado izquicrdo de esta desigualdad representa la salida combinada de mineral de grado alto proveniente de las ies
‘minas, mientras que el lado derecho es el tonelaje minimo del mineral requerido para cumplir con lay obligaciones
del contrato, Esta desigualdad se transforma en la ecuacion:
det Ont nee St
al restar la variable superflua x, del lado i2quierdo de Ia desigualdad. Aqui x, representa la cantidad de mineral de
grado alto extraida por encima de la cantidad necesaria para eumplir el contrato.
GENERACION DE UNA SOLUCION FACTIBLE INICIAL
Después de que todas las restricciones lineales (con lados derechos no negativos) se han transforma-
ddo en igualdades, introduciendo variables de holgura y superfluas donde sea necesario, aprépuese tn
nueva variable llamada variable artificial al lado izquierdo de cada ecuacion de restricciones que no von-
renga una variable de holgura, Ahora cada ccuacién de restriccidn contendra o una variable de holgw
‘una variable artificial. Ui ial no negativa para este nuevo conjunto de restrieeiones se
obtiene haciendo cada variable de holgura y cada variable artificial igual al lado derecho de la eevacion
cen la cual aparecen y haciendo lay otras variables, incluyendo las variables superfluas, iguales @ cero.
Ejemplo 2.4 El conjunto de restricciones
wit ders 3
antSnz 6
Tat 8-15
‘se transforma en un sistema de ecuaciones agregando una variable de holgura x, al ado izquierdo de ta primera
‘estricciOn, y restando una variable superflua, xs, del lado izquierdo de la segunda restriceién. El nuevo sistema es:
cote as 3
4nt5a -ue 6 e2
Test Bx 15
Si ahora se agregan respectivamente las variables artiiciales x, y al lado izquierdo de las dos dltimas restrieciones
Gel sistema (2.2), €8 decir, a las restricciones sin una variable de holgura; el resultado
at 2ntas 3
AutSe ute = 6
Tat Bx: tee S
Una solucidn no negativaa este timo sistema es x, = 3.x: = 6,45 = ISyxj = 5 = x, = 0. (NOtese, sin embargo,
due x = 0, %; = Ono es una solucion al conjuntoinicial de restricciones.)
COcasionalmente, se puede generar facilmente una solucién sin un conjunto completo de variables
de holgura y artificiales, Un ejemplo de esto to constituye ef problema 2.5
COSTOS DE PENALIZACION
La introduccion de variables de holgura y superfluas no altera ni a la naturaleza de las restrivciones
ni al objetivo. Por consiguiente, estas variables se incorporan a la funcion objetivo con coeficientes
cero, Las variables artificiales, sin embargo, cambian la naturaleza de las restricciones. Ya que se agre-
‘gan s6lo a un lado de una desigualdad, cl nuevo sistema es equivalente al sistema anterior de restrieciones
solo si las variables artificiales son cero, Para garantizar estas condiciones en la solucion Optima (en
Ccontraste con fa solucion inicial) las variables artificiales se incorporan en fa funcion objetivo con coeti-
jentes positivos muy grandes si se trata de un programa de minimizacion, o con eoeficientes negativos
muy grandes sise trata de tn programa dy maximizacion. Estos cocticientes, que se denotan Mo ~ M,CAP.2) PROGRAMACION I INEAI: FORMA ESTANDAR. 19
donde M se considera un numero positivo muy grande, representan el (severo) costo de penalizacion cn
el que se ha incurrido al hacer una asignacion unitaria a las variables artificiales
En vilculos manuales, los costos de penalizacion pueden dejarse como -+ M. En calculos obtenidos
con el empleo de computadora (u ordenador), a M debe asignarsele un valor numérico, generalmente
{res 0 cuatro veces mayor que cualquier otro niimero en el programa,
FORMA TIPICA,
Un programa lineal esta en forma estandar si todas las restricciones son igualdades y si se conoce
tuna solucion factible. En notacion matricial, Ia forma estandar es:
optimicese: z= CTX
con la condicion: AX=B 23)
con: X20
donde x es el vector eolumna de incognitas, incluyendo todas las variables de holgura, superfluas y arti-
Ficiales; C7 es el vector renglon de los costos correspondientes; A es la matriz de coeficientes de las
ecuaciones de restricciones; y B es el vector columna de los lados derechos de las ecuaciones de restr
ciones. [Nota: En el resto del libro, normalmente se representard a los vectores como matrices de una
‘columna y simplemente se hablard de “vector”, en ver de “vector columna”, El exponente T indica trans-
Posicidn.] Si Xp denota solo al vector de las variables de holgura y artificiales, entonces la solucion fac-
tile inicial esta dada por Xp = B, entendiendose que a toda variable en X que no se incluya en Xq se le
asigna un valor cero,
Problemas resueltos
2.1 Pongase el siguiente programa en forma estandar:
maximicese: z= x14 x2
con las condiciones: 14+ 5x55
nt asd
con: 1 ¥.%2 no negativas
Agregando las variables de holgura x,y xy, espectivamente Jos ads izquierdos de las restreciones ©
incluyendo en el objetivo estas nuevas variables con coeficientes de costo cero, se tiene
maximicese: 7 = 21+2x:+ 035+ 0x
con las condiciones: xs+Sritxs = o
etn tnd
con: todas las variables no negativas.
‘Ya que cada ecuacién de restriecign contiene una variable de holgure, no se necestan variables artificiales:
una solucion factible inicial es xy = 5, x4 = 4, 5, 0, El sistema (1) esta en Ia forma estindar (2.3), si
se define:
Xela xasn)” Cm [11,007
i CR eC
2.2, Pongase el siguiente programa en forma estandar:20 PROGRAMACION MATEMATICA [PARTE
maximicese: 7 = 80x; + 60x:
con las condiciones: 0.20. + 0.32x25 0.25
atoms d
con: yj ¥.Np NO negativa.
Para converte la primera restriccion en wna igualdad, agréguese una variable de holgura x, al lado iz
‘uierdo. Ya que la segunda resiricién, una ecuacion, no contiene una variable de holgura, agréguese una
enable artificial al lado izquierdo, Ambas nuevas variables se incluyen en la funcin objetivo, ta variable
Ue holgura con coeficiente de costo cero y Ia variable artificial con coeficiente de costo negativo muy grand,
dando el programa:
maximicese: 2 = 80x14 60x;+ 0x~ Mie
con las condiciones: 020x,+032ar¢x1 = 0.25
at on teed
con: todas las variables no negatives
Este programa esté en forma extandar, con una solucion factible nical x= 0.25, xa= 1, xy= x20.
,
2.3. Resuélvase nuevamente el problema 2-2, si xe ha de minimizar el objetivo,
1 anico cambio esta en el coeficiente de costo asociado con la variable artificial; se vuelve +M, en vez
de —M.
2.4 Pongase el siguiente problema en forma estandar
maximicese: 2 = Sxi + 2x2
con las condiciones: 6x+ 22 6
4x,43n2 12
tne 4
‘con: *1 ¥ x2 no negativas.
Restando las variables superfluas x,y Xs Fespectivamente, de os ados izquierdos de las resricciones
« incluyendo en el objetivo cada nueva variable con un coeficiente de costo cero, se obtiene:
maximicese: 2 = Sxi+2e1+ Oxy + Oxe+ Oxs
con las condiciones: 6x1 x2~ #3 6
dut3m 7m 212
nt2e wan 4
‘con: todas las variables no negativas
‘Ya-que ninguna ecuacin de resriccin contiene una variable de holeura, siguiente paso comsisteen aad
Tos variables artiiciales vy, ¥ A respectivamente, alos lados izquierdos de las ecuciones. También se
incluyen en el objetivo estas variables con muy grandes cocficientes negativos de costo. El programa
se transforma en:
maximicese: 2 = Suy +224 0x54 0x14 Oxs~ Mia Mar~ Ma
con las condiciones: 6x14 aay te 6
ftir - x ty 2
nite, % tee 4
con: todas las variables no negativas
Este programa esté en forma estindar, con una solucién factble inicial de x = 6 a = 12%
Mam EM AGE HAO.CAP. PROGRAMACION LINEAL: FORMA ESTANDAR, 21
2.5 Pongase el siguiente programa en forma estindar:
minimicese: 2 = x,+2x;+3x5
‘con las condiciones:
on: todas las variables no negativas,
Agregando una variable de holgura x, al lado izquierdo de fa primera restricion, restando una variable
superflua x, del lado izquierdo de la tercera restriccin, y ahadiendo después una variable artificial x, slo al
lado izquierdo de la tercera restriceién; se obtiene el programa:
‘minimicese: 2 = x)++2ez-+3xy+ Ore+ Oxs+ Mite
con las condiciones: 3x, + 4x4 x6 =
Sait ar+ 6x “7
By + 9x, ast xe?
‘con: todas las variables no negativas,
Este programa esth en la forma estindar, con una solucién factible inicial de x, = 5, x; = 7, %
X= ay = 4 = 0. Tieme la forma del sistema (2.3) si se define
Xe bntcs czy tel” C1, 23,0.0.M1"
3041 00 os
Ae/5160 00 Xen] as
8090-11 xe
En este caso, 4; puede usarse para generar la solucién inical, en vez de agregar una variable artificial a
ta segunda restriccion para llegar al mismo resultado. En general, siempre que una variable aparece slo en
tuna ecuacién de restriccion y con un coeticiente positivo, esa variable puede emplearse para generar parte de
'a solucién inicial, dividiendo primero ta ecuacion de resriccin entre el coeficiente positive y despues ha.
tendo ta variable igual al lado derecho de la ecuacion; no es necesario agregar una variable artifical ala
2.6 Pongase el siguiente programa en forma estandar:
minimicese: 2 = 25x, + 30x;
con las condiciones: 4x4 7x2 1
BxitSaz 3
6x14 9x; = -2
‘Ya que tanto x, como xs no tienen restricciones, se Fijan x) = 1 — Xe ¥.%2 = ¥ — Sas en donde se ree
uiere que todas las cuatro nuevas variables sean no negativas. Sustituyendo estas cantidades en el programa
{dado y multiplicando después la iltima restriceion por ~ 1, para obligar a que tenga un lado derecho no ne-
galivo, ve obtiene el programa equivalente:
minimicese: z= 2525~25x4+ 30xs— Wx
4xy~ deat Tas Tee 1
Bry Bet Ses— Sez 3
614+ 644— 9x4+ 92452
con: todas las variables no negativas
con las condiciones
Este programa se convierte ala forma estandar restando las variables superfluas. y x, respectivamente, de
tos indos izquierdos de las primeras dos restricciones: agregando una variable de holgura xy al lado izquierdo
de la tercera resriccidn, v después aNadiendo las variables artificiales x ¥y.respectivamente, a 10s lados
izquierdos de las primeras dos restricciones. Asi se obtiene:PROGRAMACION MATEMATICA [PARTE
25xj~ 254+ Wxs— Ora Orr + Ora Oot Miro + Mis
con las condiciones: 4x5~ Axat 7xs~ Tha tee 21
Bey Bet See Ste = te teed
Grr 6x Ors Se +e 2
con: todas las variables no negativas
Wn iniial a este programa en forma esténdar es:
xeel zu
Problemas suplementarios
Pongase cada uno de fos siguientes programas en forma estandar,
27 sminimicese: = 2e1~ x24 4x9
con las condiciones: $x, +2x;—3n=-7
2-2et us 8
‘con: x; no negativa
28 maximicese: 2 = 10x14 1x2
nes: i+ Der 150
3x4 4r,5200
6x4 95175
con: x, y x; no negatva.
29° Problema 2.8 con las tres desigualades de restriccion inverts,
2.10 iminimicese! 2 = 3x14 Dep Axo 6xe
con las condiciones: xj +2t2+ a+ x42 1000
Dart a4 Bayt x42 1500
con: todas las variables no negativas
an sminimicese: x = 6x 43x24 4x
con tas condiciones: 1+ 6x2#.x4= 10
Det Bet age 1S
‘con: todas las variables no negatives.
22 masimicese: = 78+ 2xr+ Best x
‘con las condiciones
Det Tae -7
Sxit8r +2u=10
x otm sll
side ¥oNe, RO NepatvascaP.2y PROGRAMACION LINEAL: FORMA ESTANDAR
as minimise: 2 = 10x44 2am as
con ls condiciones xvtas 50
néne7
tnt dl
con: todas as variales no negtivs
Capitulo 3
Programacion lineal:
teoria de soluciones
DEPENDENCIA E INDEPENDENCIA LINEAL
Un conjunto de vectores de m dimensiones {P,, Py, . - , Pyl€slinealmente dependiente si existen
constantes, n0 todas CeO, 0, 2, «~~» qs tales GUE
Pit aPst sb a,P, =O en
Ejemplo 3.1 £1 conjunto de vectores de 5 dimensiones
(11.2.0,0.077 (,0,0,0,0)", (0.0, 11,017 (0
0.01")
«6 lincalmente dependiente, ya que '
1) Py poy poy po
2| fol fof fa| fo
tjofsifol soli [+2] a]-fo
of fo) jr] Jol fo
o} Lol bJ Lo Lo
Teorema 3.1: Cualquier conjunto de m + 1 0 mas vectores de m dimensiones ¢s linealmente depen-
diente.
9 conjunto de veetores de m dimensiones 1Py, P3,. ... Ppl €slinealmente independiente si las
«eas constantes para las que (3.1) se cumple, on ay ‘0. (Wéanse los problemas 3.1
ya.
COMBINACIONES CONVEXAS
Un vector P de m dimensiones es una combinacién convexa de los vectores Py, Pa...» » Py dem
dimensiones, si existen constantes no negativas 8), 8...» » By cuya suma es 1, como,
P= BiP\+ B:Pr+ ~~ + BaP @2)
Ejemplo 32 _ El vector de 2 dimensiones {6/3, 5/6) es una combinacion convexa de los vectores [1,1)7,
B.0)" y [1,2] porque
eel={i]fe) a)
Dados dos vectores de m dimensiones, P, y P:, se denomina segmento linea entre los dos vectores al
conjunto de todas las combinaciones converas de Py y P3. El significado geomeétrico de este termino re
sulta claro en el caso m = 3
CONJUNTOS CONVEXOS
Un.conjunto de vectores de m dimensiones es convexo, siempre que dos vectores pertenezcan al
conjunto, sel seemento linea entre los vectores tambien pertenece al conjunto.
Ejemplo 3.3 El disco sombreado en f figura 3-1 (0) sun conjunto convexo, ya que el segmento linea entre cual
cere fe ous puntos (nectores bidimensionals) etd completamente dentro del disco. La figura 3-1 (0) n0 sun con=CAP.3) PROGRAMACION LINEAL: TEORIA DE SOLUCIONES 2s
Segmento de a tinea entre Py Q
P
ay oy
Fest
junto convexo; aunque R y S pertenezcamal conjunto sombreado, existen puntos, como T, que pertenecen al seg-
‘mento Tinea entre Ry S'y que no son parte de Ia estrella,
Un vector P es un punto exiremo de un conjunto, si no es posible expresarlo como una combina-
cién convexa de otros dos vectores de! conjunto; es decir, un punto extremo no descansa en el segmento
linea entre cualquier otro par de vectores en el conjunto.
Ejemplo 3.4 Cualquier punto sobre la circunferencia del disco de la figura 3-1 (a) ¢s un punto extremo del disco,
Teorema 3.2: Cualquier vector en un conjunto convexo cerrado y acotado que tenga un nimero finite
de puntos extremos, puede expresarse como una combinacién convexa de los puntos
extremos,
Teorema 3.3: El espacio de solucién de un conjunto de ecuaciones lineales simultaneas es un conjunto
convexo que tiene un nimero finito de puntos extremos,
SOLUCIONES DE PUNTO EXTREMO
Se designa al conjunto de todas las soluciones factibles al programa lineal en forma estandar,
(2.3); es decir, ¥ es el conjunto de todos los vectores X que satisfacen AX = By X > 0. Del teorema
3.3, y por el hecho de que los conjuntos convexos s¢ intersectan en conjuntos convexos (problema 3.11),
se tiene que ¢ es un conjunto convexo con un nimero finito de puntos extremos.
La funci6n objetivo logra su 6ptimo (ya sea maximo o minimo) en un punto exiremo de F,
siempre y cuando dicho dptimo exista. (Vease el problema 3.12).
Nota
Nota 2: Si A es del orden m x 7 (mm renglones y n columnas), con m