Politopos
Politopos
Politopos
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Métodos Matemáticos de Especialidad<br />
Ingeniería Eléctrica<br />
Programación Lineal<br />
Presentación, definiciones y teoría básica<br />
2<br />
Clase_progli_2_06.pdf<br />
José Luis de la Fuente O’Connor<br />
jl.delafuente@iberdrola.es<br />
jldelafuente@etsii.upm.es<br />
Escuela Técnica Superior de Ingenieros Industriales<br />
Universidad Politécnica de Madrid<br />
1/43<br />
◭◭<br />
◮◮<br />
Ant.
Índice<br />
• Formulación<br />
• Definiciones<br />
• Formas de programas lineales<br />
• Historia<br />
• Ejemplos de programas lineales<br />
• Consideraciones geométricas<br />
• <strong>Politopos</strong><br />
• Puntos extremos y soluciones básicas factibles<br />
– Teorema fundamental de la programación lineal<br />
2/43<br />
◭◭<br />
◮◮<br />
Ant.
<strong>Politopos</strong><br />
Definición 1 Llamaremos hiperplano H de vector característico a ∈<br />
R n , a = 0, al conjunto H = {x ∈ R n : a T x = c}, con c ∈ R.<br />
– Un hiperplano es el conjunto de soluciones de una ecuación lineal<br />
en R n .<br />
Definición 2 Un hiperplano en R n es una variedad lineal (n − 1)dimensional.<br />
3/43<br />
◭◭<br />
◮◮<br />
Ant.
Definición 3 Dado un hiperplano H, a T x = c, llamaremos semiespacios<br />
cerrados de borde H a los conjuntos<br />
H+ = x ∈ R n : a T x ≥ c <br />
y<br />
H− = x ∈ R n : a T x ≤ c ,<br />
y semiespacios abiertos de borde H a<br />
y<br />
◦<br />
H+ = x ∈ R n : a T x > c <br />
◦<br />
H− = x ∈ R n : a T x < c .<br />
4/43<br />
◭◭<br />
◮◮<br />
Ant.
– En la figura se representa el hiperplano −x1 + 4x2 = 11, su vector<br />
característico a = [−1, 4] T y los semiespacios H+ y H−.<br />
a<br />
H<br />
– Los semiespacios de borde H son convexos; la unión de H+ y H−<br />
es el espacio R n .<br />
a<br />
¯x<br />
y<br />
H+<br />
H−<br />
5/43<br />
◭◭<br />
◮◮<br />
Ant.
Definición 4 Un politopo es un conjunto formado por la intersección de un<br />
número finito de semiespacios cerrados.<br />
Definición 5 Un politopo cónico es un conjunto formado por la intersección<br />
de un número finito de semiespacios cerrados que pasan por un punto<br />
determinado.<br />
Definición 6 Un poliedro es un politopo acotado y no vacío.<br />
– Es fácil comprobar que la intersección de conjuntos convexos es<br />
convexa y que por lo tanto los politopos y los poliedros son conjuntos<br />
convexos.<br />
6/43<br />
◭◭<br />
◮◮<br />
Ant.
– El conjunto de soluciones —(región factible)— de un programa lineal,<br />
P = {x ∈ R n : Ax = b, x ≥ 0}, es un politopo convexo.<br />
• En efecto, la ecuación<br />
a1x1 + a2x2 + · · · + anxn = b1<br />
es equivalente al sistema de desigualdades<br />
a1x1 + a2x2 + · · · + anxn ≤ b1<br />
a1x1 + a2x2 + · · · + anxn ≥ b1,<br />
es decir, resulta de la intersección de estos dos semiespacios<br />
cerrados, por lo que P es un politopo.<br />
• Que es convexo lo demuestra el teorema que demostraba que el<br />
conjunto de soluciones de un programa lineal es un conjunto<br />
convexo.<br />
7/43<br />
◭◭<br />
◮◮<br />
Ant.
Definición 7 El conjunto intersección de todos los conjuntos convexos que<br />
contienen a un subconjunto S ⊂ R n se llama envoltura convexa de S y se<br />
designa por Co(S).<br />
Definición 8 Se denomina hiperplano soporte de un conjunto convexo C a<br />
un hiperplano H tal que H ∩ C = ∅ y C ⊆ H+ o C ⊆ H−.<br />
• Es decir, a un hiperplano que contiene al conjunto C en uno de sus semiespacios<br />
cerrados de borde H y algún punto frontera de C.<br />
Definición 9 Si P es un politopo convexo y H cualquier hiperplano separador<br />
de P , la intersección F = P ∩ H define una cara de P .<br />
8/43<br />
◭◭<br />
◮◮<br />
Ant.
– Existen tres tipos especiales de caras.<br />
Definición 10 Un vértice, una arista y una faceta son caras de un politopo<br />
convexo n-dimensional de dimensiones cero, uno y n−1, respectivamente.<br />
– En un politopo convexo:<br />
• Vértices son sus puntos extremos.<br />
• Las aristas son segmentos de recta que unen dos puntos extremos<br />
adyacentes, o rectas semiinfinitas que parten de un punto extremo.<br />
• Si P = {x ∈ R n : Ax = b, x ≥ 0}, cualquier faceta de P<br />
corresponde a su intersección con cada uno de los semiespacios<br />
que definen las desigualdades<br />
y<br />
a T<br />
1 x ≤ b1, . . . , a T<br />
mx ≤ bm<br />
x1 ≥ 0, . . . , xn ≥ 0.<br />
9/43<br />
◭◭<br />
◮◮<br />
Ant.
Índice<br />
• Formulación<br />
• Definiciones<br />
• Formas de programas lineales<br />
• Historia<br />
• Ejemplos de programas lineales<br />
• Consideraciones geométricas<br />
• <strong>Politopos</strong><br />
• Puntos extremos y soluciones básicas factibles<br />
– Teorema fundamental de la programación lineal<br />
10/43<br />
◭◭<br />
◮◮<br />
Ant.
Puntos extremos y soluciones<br />
básicas factibles<br />
– Consideraremos en los sucesivo el programa lineal en forma estándar,<br />
Ax = b<br />
x ≥ 0,<br />
donde x ∈ R n , b ∈ R m y A ∈ R m×n (n > m).<br />
11/43<br />
◭◭<br />
◮◮<br />
Ant.
– Si Ax = b es compatible —rango(A) = m—:<br />
De las n columnas de la matriz A se pueden elegir m columnas<br />
linealmente independientes que formen una base del espacio<br />
vectorial que generan los vectores columna de A –subespacio<br />
Im(A)–.<br />
– Supongamos que esas m columnas son las m primeras y designemos<br />
por B la submatriz m × m de A que forman.<br />
• Como B es regular, la ecuación<br />
se puede resolver de forma única.<br />
BxB = b,<br />
– El vector x T = [x T B, 0 T ], que resulta de considerar, así mismo, los m<br />
primeros componentes de x, proporciona una de las soluciones de la<br />
ecuación Ax = b.<br />
12/43<br />
◭◭<br />
◮◮<br />
Ant.
Definición 11 Sea B cualquier submatriz no singular m × m resultante de<br />
agrupar m columnas linealmente independientes de A.<br />
• Si todos los n−m componentes del vector x no asociados a las columnas<br />
de B, a los que se denominarán variables no básicas, se hacen cero y<br />
se resuelve la ecuación Ax = b en los m restantes componentes, denominados<br />
variables básicas, la solución resultante de denomina solución<br />
básica asociada a la matriz básica, o base, B.<br />
• Las n − m columnas de A que no forman parte de B se las agrupa en<br />
una matriz m × (n − m) denominada matriz no básica N (asociada<br />
a las variables no básicas); en correspondencia, las variables no básicas<br />
forman xN.<br />
13/43<br />
◭◭<br />
◮◮<br />
Ant.
– Si las m primeras columnas de la matriz A son linealmente<br />
independientes, el sistema Ax = b puede convertirse a la forma<br />
canónica:<br />
x1 + a ′ 1 m+1xm+1 + a ′ 1 m+2xm+2 + · · · + a ′ 1 nxn = b ′ 1<br />
x2 + a ′ 2 m+1xm+1 + a ′ 2 m+2xm+2 + · · · + a ′ 2 nxn = b ′ 2<br />
.<br />
.<br />
xm + a ′ m m+1xm+1 + a ′ m m+2xm+2 + · · · + a ′ m nxn = b ′ m.<br />
14/43<br />
◭◭<br />
◮◮<br />
Ant.
Ejemplo<br />
– Consideremos el poliedro de la figura,<br />
definido por<br />
x2<br />
0<br />
3<br />
<br />
3<br />
3<br />
<br />
x1 + x2 ≤ 6<br />
x2 ≤ 3<br />
x1, x2 ≥ 0.<br />
6<br />
0<br />
<br />
x1<br />
15/43<br />
◭◭<br />
◮◮<br />
Ant.
– Si añadimos las variables de holgura x3 y x4 a la primera y segunda<br />
desigualdad, respectivamente, resulta:<br />
x1 + x2 + x3 = 6<br />
x2 + x4 = 3<br />
x1, x2, x3, x4 ≥ 0.<br />
– La matriz de los coeficientes de las condiciones, A, es<br />
<br />
1 1 1 0<br />
A = [a1, a2, a3, a4] =<br />
.<br />
0 1 0 1<br />
16/43<br />
◭◭<br />
◮◮<br />
Ant.
– Las posibles matrices B que se pueden extraer de A y sus<br />
correspondientes soluciones básicas son las de la tabla.<br />
B = [a1, a2] =<br />
B = [a1, a4] =<br />
B = [a2, a3] =<br />
B = [a2, a4] =<br />
B = [a3, a4] =<br />
1 1<br />
0 1<br />
1 0<br />
0 1<br />
1 1<br />
1 0<br />
1 0<br />
1 1<br />
1 0<br />
0 1<br />
xB =<br />
x1<br />
x2 <br />
x3<br />
xN =<br />
x4 <br />
x1<br />
xB =<br />
x4 <br />
x2<br />
xN =<br />
x3 <br />
x2<br />
xB =<br />
x3 <br />
x1<br />
xN =<br />
x4 <br />
x2<br />
xB =<br />
x4 <br />
x1<br />
xN =<br />
x3 <br />
x3<br />
xB =<br />
x4 <br />
x1<br />
xN =<br />
x2<br />
<br />
= B −1 <br />
1 −1 6 3<br />
b =<br />
=<br />
<br />
0 1 3 3<br />
0<br />
=<br />
0<br />
<br />
= B −1 <br />
1 0 6 6<br />
b =<br />
=<br />
<br />
0 1 3 3<br />
0<br />
=<br />
0<br />
<br />
= B −1 <br />
0 1 6 3<br />
b =<br />
=<br />
<br />
1 −1 3 3<br />
0<br />
=<br />
0<br />
<br />
= B −1 <br />
1 0 6 6<br />
b =<br />
=<br />
<br />
−1 1 3 −3<br />
0<br />
=<br />
0<br />
<br />
= B −1 <br />
1 0 6 6<br />
b =<br />
=<br />
<br />
0 1 3 3<br />
0<br />
=<br />
0<br />
<br />
17/43<br />
◭◭<br />
◮◮<br />
Ant.
– La cuarta de estas soluciones no nos vale por ser uno de sus<br />
componentes menor que cero; es no factible.<br />
– Las soluciones básicas factibles son pues<br />
⎡ ⎤<br />
3<br />
⎡ ⎤<br />
6<br />
⎡ ⎤<br />
0<br />
⎡ ⎤<br />
0<br />
⎢ 3 ⎥<br />
x1 = ⎣<br />
0<br />
⎦ ,<br />
⎢ 0 ⎥<br />
x2 = ⎣<br />
0<br />
⎦ ,<br />
⎢ 3 ⎥<br />
x3 = ⎣<br />
3<br />
⎦ y<br />
⎢ 0 ⎥<br />
x4 = ⎣<br />
6<br />
⎦ .<br />
0<br />
3<br />
0<br />
3<br />
• Obsérvese que estos puntos determinan en sus dos primeros<br />
componentes los puntos extremos de la figura anterior.<br />
✉<br />
18/43<br />
◭◭<br />
◮◮<br />
Ant.
Definición 12 Si una o más de las variables básicas de una solución básica<br />
de<br />
Ax = b<br />
x ≥ 0,<br />
(1)<br />
es cero, la solución se denomina básica degenerada.<br />
Definición 13 Una solución básica de (1) en la que todos sus componentes<br />
son no negativos se denomina solución básica factible; si algún componente<br />
es cero, la solución se dice básica factible degenerada.<br />
Teorema 1 Equivalencia entre puntos extremos y soluciones básicas Sean<br />
A ∈ R m×n una matriz de rango m y b ∈ R m .<br />
Sea el politopo convexo<br />
P = {x ∈ R n : Ax = b, x ≥ 0} .<br />
Un vector x ∈ P es un punto extremo de P si y sólo si los vectores columna<br />
de la matriz A asociados a los componentes positivos de x son linealmente<br />
independientes.<br />
19/43<br />
◭◭<br />
◮◮<br />
Ant.
Corolario 1 Un punto<br />
x ∈ P = {x ∈ R n : Ax = b, x ≥ 0}<br />
es un punto extremo de P si y sólo si x es una solución básica factible de<br />
asociada a una base B.<br />
Ax = b<br />
x ≥ 0<br />
Corolario 2 Un vector x es un punto extremo de P = {x ∈ R n : Ax =<br />
b, x ≥ 0} si y sólo si x resulta de la intersección de n hiperplanos linealmente<br />
independientes.<br />
Corolario 3 Un politopo P = {x ∈ R n : Ax = b, x ≥ 0} tiene un<br />
número finito de puntos extremos.<br />
◮ DEMOSTRACIÓN Escoger m columnas linealmente independientes de n de A es<br />
<br />
n n!<br />
C(n, m) = =<br />
m m!(n − m)! .<br />
20/43<br />
◭◭<br />
◮◮<br />
Ant.
Ejemplo<br />
– Consideremos el poliedro representado en la figura definido por:<br />
x2<br />
0<br />
3<br />
<br />
x1 + x2 ≤ 6<br />
x2 ≤ 3<br />
x1 + 2x2 ≤ 9<br />
x1, x2 ≥ 0.<br />
3<br />
3<br />
<br />
6<br />
0<br />
<br />
x1<br />
21/43<br />
◭◭<br />
◮◮<br />
Ant.
– Si añadimos las variables de holgura x3, x4 y x5 a la primera, segunda y<br />
tercera desigualdad, respectivamente, resulta<br />
x1 + x2 + x3 = 6<br />
x2 + x4 = 3<br />
x1 + 2x2 + x5 = 9<br />
x1, x2, x3, x4, x5 ≥ 0.<br />
Obsérvese, como se representa en la figura, que la desigualdad<br />
x1 + 2x2 ≤ 9 es redundante.<br />
– La matriz de los coeficientes de las condiciones, A, es<br />
⎡<br />
⎤<br />
1 1 1 0 0<br />
A = [a1, a2, a3, a4, a5] = ⎣ 0 1 0 1 0 ⎦ .<br />
1 2 0 0 1<br />
22/43<br />
◭◭<br />
◮◮<br />
Ant.
– Estudiemos la solución básica que se obtiene a partir de<br />
B = [a1, a2, a3]:<br />
xB =<br />
⎡<br />
⎣<br />
x1<br />
x2<br />
x3<br />
<br />
x4<br />
xN =<br />
x5<br />
⎤<br />
⎡<br />
⎦ = B −1 b = ⎣<br />
<br />
=<br />
0<br />
0<br />
<br />
.<br />
1 1 1<br />
0 1 0<br />
1 2 0<br />
⎤−1<br />
⎡<br />
⎦<br />
⎣<br />
6<br />
3<br />
9<br />
⎤<br />
⎡<br />
⎦ = ⎣<br />
0 −2 1<br />
0 1 0<br />
1 1 −1<br />
Es degenerada, pues su tercer componente es cero.<br />
⎤ ⎡<br />
⎦ ⎣<br />
6<br />
3<br />
9<br />
⎤<br />
⎡<br />
⎦ = ⎣<br />
– Analicemos ahora la solución básica que se obtiene a partir de<br />
considerar B = [a1, a2, a4]:<br />
xB =<br />
⎡<br />
⎣<br />
x1<br />
x2<br />
x4<br />
<br />
x3<br />
xN =<br />
x5<br />
⎤<br />
⎡<br />
⎦ = B −1 b = ⎣<br />
<br />
=<br />
0<br />
0<br />
<br />
.<br />
1 1 0<br />
0 1 1<br />
1 2 0<br />
⎤−1<br />
⎡<br />
⎦<br />
⎣<br />
6<br />
3<br />
9<br />
⎤<br />
⎡<br />
⎦ = ⎣<br />
2 0 −1<br />
−1 0 1<br />
1 1 −1<br />
⎤ ⎡<br />
⎦ ⎣<br />
6<br />
3<br />
9<br />
⎤<br />
⎡<br />
⎦ = ⎣<br />
Como se puede ver es la misma solución que obteníamos antes.<br />
3<br />
3<br />
0<br />
3<br />
3<br />
0<br />
⎤<br />
⎦ ,<br />
⎤<br />
⎦ ,<br />
23/43<br />
◭◭<br />
◮◮<br />
Ant.
– Si consideráramos B = [a1, a2, a5] llegaríamos también a la misma<br />
solución básica degenerada:<br />
[x1 x2 x3 x4 x5] T = [3 3 0 0 0] T<br />
✉<br />
24/43<br />
◭◭<br />
◮◮<br />
Ant.
– Cuando A no tiene rango completo, P puede ser el conjunto vacío o<br />
alguna de las condiciones es redundante. En lo sucesivo<br />
supondremos que A ∈ R m×n tiene m vectores fila/columna<br />
linealmente independientes.<br />
– La correspondencia entre soluciones básicas factibles y puntos<br />
extremos no es en general biunívoca: A cada solución básica factible<br />
le corresponde un único punto extremo en P , pero puede que a cada<br />
punto extremo de P le corresponda más de una solución básica factible.<br />
– Un problema de programación lineal se denomina no degenerado si<br />
todas sus soluciones básicas factibles son no degeneradas.<br />
• La correspondencia entre puntos extremos y soluciones<br />
básicas factibles sí es biunívoca en este caso.<br />
25/43<br />
◭◭<br />
◮◮<br />
Ant.
– Dos soluciones básicas factibles del politopo<br />
P = {x ∈ R n : Ax = b, x ≥ 0}<br />
se dicen adyacentes si m − 1 de sus componentes son comunes.<br />
• Dos soluciones adyacentes o puntos extremos están unidos<br />
por una arista.<br />
• Suponiendo no degeneración, cualquiera variable básica (y su<br />
correspondiente punto extremo) tiene exactamente n − m<br />
adyacentes.<br />
26/43<br />
◭◭<br />
◮◮<br />
Ant.
Puntos extremos; direcciones extremas<br />
– Si un politopo P es un poliedro, cualquier punto se puede expresar<br />
como combinación convexa de los puntos extremos.<br />
– Si P no está acotado hay que recurrir a las direcciones:<br />
Definición 14 Una dirección del politopo P = {x ∈ R n : Ax = b, x ≥<br />
0} es un vector no nulo, d ∈ R n , tal que para todo x0 ∈ P el rayo {x ∈<br />
R n : x = x0 + λd, λ ≥ 0} pertenece a P .<br />
Definición 15 Una dirección d de un politopo P se dice extrema si no<br />
puede ponerse como combinación lineal no negativa de dos direcciones diferentes<br />
de P .<br />
• Es decir, no existen dos direcciones d1 y d2 en P , d1 = d2, y unos<br />
α1, α2 > 0, tales que d = α1d1 + α2d2.<br />
27/43<br />
◭◭<br />
◮◮<br />
Ant.
Teorema 2 Sea el politopo P = {x ∈ R n : Ax = b, x ≥ 0}. Un vector<br />
no nulo d es una dirección de P si y sólo si d ∈ D = {d : Ad = 0, d ≥<br />
0}.<br />
• De igual forma: d es una dirección del politopo<br />
P = {x ∈ R n : Ax ≥ b, x ≥ 0} si y sólo si Ad ≥ 0, d = 0 y d ≥ 0.<br />
• Y de P = {x ∈ R n : Ax ≤ b, x ≥ 0} si y sólo si Ad ≤ 0, d = 0 y<br />
d ≥ 0.<br />
28/43<br />
◭◭<br />
◮◮<br />
Ant.
Ejemplo<br />
– Consideremos el politopo<br />
P = {[x1, x2] T : x1 − 2x2 ≥ −6, x1 − x2 ≥ −2, x1 ≥ 0, x2 ≥ 1} de la<br />
figura.<br />
0<br />
2<br />
0<br />
1<br />
x2<br />
<br />
<br />
2<br />
4<br />
<br />
x0<br />
P<br />
Margen de direcciones d<br />
x1<br />
29/43<br />
◭◭<br />
◮◮<br />
Ant.
– Un vector no nulo d = [d1, d2] T es una dirección de P si y sólo si se<br />
cumple que<br />
d1 − 2d2 ≥ 0<br />
d1 − d2 ≥ 0<br />
d1 ≥ 0<br />
d2 ≥ 0.<br />
• Dado que d1 y d2 son no negativos, las dos primeras desigualdades<br />
equivalen a d1 ≥ 2d2 y d1 ≥ d2.<br />
En resumen, d es una dirección de P si y sólo si [d1, d2] = [0, 0],<br />
d1 ≥ 0, d2 ≥ 0 y d1 ≥ 2d2.<br />
Los vectores que cumplen estas condiciones se representan en<br />
la figura anterior.<br />
✉<br />
30/43<br />
◭◭<br />
◮◮<br />
Ant.
– Los puntos y direcciones extremos son esenciales para saber las<br />
condiciones en que se obtiene el óptimo de un problema.<br />
Teorema 3 Teorema de la representación Todo punto del politopo P =<br />
{x ∈ Rn : Ax = b, x ≥ 0} se puede expresar de la forma<br />
x = <br />
λivi + d,<br />
donde {vi : i ∈ I} es el conjunto de puntos extremos de P , <br />
i∈I<br />
λi ≥ 0, y d, o es una dirección de P , o d = 0.<br />
i∈I λi = 1,<br />
Corolario 4 Si el politopo P = {x ∈ R n : Ax = b, x ≥ 0} es no vacío,<br />
tiene al menos un punto extremo.<br />
Corolario 5 Si el politopo P = {x ∈ R n : Ax = b, x ≥ 0} es cerrado<br />
y acotado (es un poliedro), todo punto x ∈ P se puede expresar como<br />
combinación convexa de sus puntos extremos.<br />
31/43<br />
◭◭<br />
◮◮<br />
Ant.
Ejemplo 1<br />
x3<br />
x2<br />
y<br />
d1<br />
x1<br />
d1<br />
– El politopo no acotado P tiene tres puntos extremos, x1, x2 y x3, y dos<br />
direcciones extremas, d1 y d2.<br />
– El punto ¯x se puede expresar se la siguiente manera<br />
¯x<br />
d2<br />
P<br />
¯x = y + λd1<br />
para algún λ > 0. Es decir, ¯x está en la trayectoria del rayo que parte de<br />
y en la dirección d1.<br />
32/43<br />
◭◭<br />
◮◮<br />
Ant.
– Al estar y en la recta que une x1 y x2, también se puede expresar<br />
como combinación convexa de x1 y x2. Es decir,<br />
para algún α ∈ (0, 1).<br />
y = αx1 + (1 − α)x2<br />
• Sustituyendo esta última expresión de y en la de ¯x se tiene que<br />
¯x = αx1 + (1 − α)x2 + λd1, α ∈ (0, 1), λ > 0.<br />
De forma más completa,<br />
¯x = αx1 + (1 − α)x2 + 0x3 + λd1 + 0d2, α ∈ (0, 1), λ > 0.<br />
– En resumen, ¯x se puede expresar como suma de una combinación<br />
convexa de los puntos extremos x1, x2 y x3 y una no negativa de la<br />
direcciones extremas d1 y d2.<br />
• Esta representación no es única pues bastaría, por ejemplo,<br />
encontrar otro punto de la recta que une x1 y x2 desde el que, en la<br />
dirección d2, se pudiese trazar un rayo que pasase por ¯x.<br />
✉<br />
33/43<br />
◭◭<br />
◮◮<br />
Ant.
Ejemplo 2<br />
x2<br />
x3<br />
y<br />
x<br />
– Este poliedro resulta de la intersección de 5 semiespacios cerrados.<br />
Cualquier punto, por ejemplo x, se puede representar como<br />
combinación convexa de algunos (o todos) de los 5 puntos extremos del<br />
mismo.<br />
x4<br />
x1<br />
x5<br />
34/43<br />
◭◭<br />
◮◮<br />
Ant.
– En efecto,<br />
x = λy + (1 − λ)x4, donde 0 < λ < 1.<br />
– El punto y también se puede representar como combinación convexa de<br />
x1 y x2. Es decir,<br />
y = µx1 + (1 − µ)x2,<br />
donde 0 < µ < 1.<br />
– Sustituyendo,<br />
x = λµx1 + λ(1 − µ)x2 + (1 − λ)x4.<br />
Como λ ∈ (0, 1) y µ también, λµ, λ(1 − µ) y (1 − λ) pertenecen a (0, 1);<br />
también se cumple que λµ + λ(1 − µ) + (1 − λ) = 1.<br />
– x se ha representado mediante una combinación convexa de los puntos<br />
extremos x1, x2 y x4.<br />
35/43<br />
◭◭<br />
◮◮<br />
Ant.
Ejemplo 3<br />
– Consideremos el politopo<br />
x2<br />
x2=<br />
<br />
4/3<br />
x1=<br />
2<br />
−3x1 + x2 ≤ −2<br />
−x1 + x2 ≤ 2<br />
−x1 + 2x2 ≤ 8<br />
− x2 ≤ −2.<br />
<br />
2<br />
4<br />
d2=<br />
<br />
1<br />
d1=<br />
0<br />
<br />
4<br />
x3=<br />
6<br />
<br />
2<br />
1<br />
x=<br />
<br />
4<br />
3<br />
P<br />
x1<br />
36/43<br />
◭◭<br />
◮◮<br />
Ant.
– Sus puntos extremos y direcciones extremas son:<br />
<br />
4/3<br />
x1 = ,<br />
2<br />
<br />
2<br />
x2 =<br />
4<br />
y x3 =<br />
y<br />
d1 =<br />
1<br />
0<br />
<br />
, y d2 =<br />
2<br />
1<br />
<br />
.<br />
4<br />
6<br />
– El punto x = [4, 3] T se puede expresar de la siguiente manera:<br />
<br />
4 4/3 2 4 1 2<br />
= λ1 + λ2 + λ3 + µ1 + µ2<br />
3 2 4 6 0 1<br />
donde λ1 = λ2 = 1<br />
2 , λ3 = 0, µ1 = 7<br />
3 y µ2 = 0.<br />
– Esta expresión no es única ya que haciendo λ1 = 3<br />
4 ,<br />
µ1 = 2 y µ2 = 0 se obtiene otra expresión de x como combinación de<br />
x1, x2, x3, d1 y d2.<br />
<br />
;<br />
<br />
,<br />
4 , λ2 = 0, λ3 = 1<br />
✉<br />
37/43<br />
◭◭<br />
◮◮<br />
Ant.
Teorema fundamental de la programación<br />
lineal<br />
Teorema 4 Dado un politopo P = {x ∈ R n : Ax = b, x ≥ 0} no vacío,<br />
el valor mínimo de c T x, para x ∈ P , se alcanza en un punto extremo de P<br />
(solución básica factible óptima), o c T x no está acotada inferiormente en P .<br />
• Este teorema no excluye la posibilidad de que la solución óptima de<br />
un programa lineal no se de en un punto extremo.<br />
• Simplemente pone de manifiesto que, de entre todas las<br />
soluciones óptimas de un programa lineal, al menos una es un punto<br />
extremo del politopo de soluciones factibles.<br />
38/43<br />
◭◭<br />
◮◮<br />
Ant.
Ejemplo<br />
– Consideremos el politopo<br />
−x1 + x2 ≤ 2<br />
−x1 + 2x2 ≤ 6<br />
x1, x2 ≥ 0.<br />
x2<br />
x1<br />
x2<br />
c=<br />
– Supongamos que se quiere minimizar primero la función x1 − 3x2.<br />
<br />
1<br />
−3<br />
x3<br />
<br />
d2<br />
d1<br />
(a)<br />
P<br />
x1<br />
x2<br />
x2<br />
c=<br />
<br />
4<br />
−1<br />
39/43<br />
x3<br />
<br />
◭◭<br />
◮◮<br />
Ant.<br />
d<br />
d
– Sus puntos extremos y direcciones extremas son:<br />
<br />
0<br />
x1 = ,<br />
0<br />
<br />
0<br />
x2 =<br />
2<br />
y x3 =<br />
y<br />
<br />
1<br />
d1 =<br />
0<br />
y<br />
<br />
2<br />
d2 = .<br />
1<br />
– Se tiene que:<br />
y<br />
c T <br />
0<br />
x1 = [1, −3]<br />
0<br />
c T <br />
0<br />
x2 = [1, −3]<br />
2<br />
c T <br />
2<br />
x3 = [1, −3]<br />
4<br />
c T <br />
1<br />
d1 = [1, −3]<br />
0<br />
c T <br />
2<br />
d2 = [1, −3]<br />
1<br />
<br />
= 0;<br />
<br />
= −6;<br />
<br />
= −10;<br />
<br />
= 1<br />
<br />
= −1.<br />
2<br />
4<br />
<br />
;<br />
40/43<br />
◭◭<br />
◮◮<br />
Ant.
– El problema es equivalente a<br />
min. 0λ1 − 6λ2 − 10λ3 + µ1 − µ2<br />
s. a λ1 + λ2 + λ3 = 1<br />
λ1, λ2, λ3, µ1, µ2 ≥ 0.<br />
• Como c T d2 = −1 < 0 y µ2 se puede hacer todo lo grande que<br />
queramos sin violar ninguna condición, el óptimo no está acotado.<br />
La condición necesaria y suficiente de existencia de solución<br />
no acotada es que c T d < 0.<br />
x2<br />
x1<br />
x2<br />
c=<br />
<br />
1<br />
−3<br />
x3<br />
<br />
d2<br />
d1<br />
(a)<br />
P<br />
x1<br />
x2<br />
x2<br />
c=<br />
<br />
4<br />
−1<br />
x3<br />
<br />
d2<br />
d1<br />
P<br />
(b)<br />
x1<br />
41/43<br />
◭◭<br />
◮◮<br />
Ant.
– Consideremos como nueva función objetivo 4x1 − x2.<br />
– En la figura se representa el óptimo de este problema: x2 = [0, 2] T .<br />
– En este caso:<br />
y<br />
c T <br />
0<br />
x1 = [4, −1] = 0;<br />
0<br />
c T <br />
0<br />
x2 = [4, −1] = −2;<br />
2<br />
c T <br />
2<br />
x3 = [4, −1] = 4;<br />
4<br />
c T <br />
1<br />
d1 = [4, −1] = 4<br />
0<br />
c T d2 = [4, −1]<br />
2<br />
1<br />
<br />
= 7.<br />
42/43<br />
◭◭<br />
◮◮<br />
Ant.
– El problema es equivalente a<br />
min. 0λ1 − 2λ2 + 4λ3 + 4µ1 + 7µ2<br />
s. a λ1 + λ2 + λ3 = 1<br />
λ1, λ2, λ3, µ1, µ2 ≥ 0.<br />
• Como los coeficientes de µ1 y de µ2 en la función objetivo son<br />
positivos, se puede hacer µ1 = µ2 = 0.<br />
• Para minimizar −2λ2 + 4λ3 sujeta a λ1 + λ2 + λ3 = 1, con<br />
λ1, λ2, λ3 ≥ 0, se hace λ2 = 1 y λ1 = λ3 = 0, lo que corrobora que el<br />
óptimo se alcanza en el punto extremo x2 = [0, 2] T .<br />
43/43<br />
◭◭<br />
◮◮<br />
Ant.