P. 1
conjuntos convexos

conjuntos convexos

|Views: 30|Likes:
Publicado porenio10

More info:

Published by: enio10 on Nov 16, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

10/30/2013

pdf

text

original

ALGEBRA LINEAL. CONJUNTOS CONVEXOS. 1. Dependencia e independencia lineal. Base. 2. Sistemas de ecuaciones lineales. Soluciones. 3. Soluciones b´sicas. a 4.

Conjuntos convexos. 5. Conjuntos convexos: definiciones. 6. Conjuntos convexos: teoremas. 7. Aplicaci´n a la Programaci´n Lineal. o o

1

. . . . . . . . Definici´n 2 Los vectores v1. . + α p vp 2 . . v2 . . . se llama combinaci´n o o lineal de esos vectores a α1 v1 + α 2 v2 + · · · + α n vn siendo α1. . v2 . vp ∈ R n son lio nealmente dependientes si existen α1 . . . v2 . αn ∈ R . vp} ∈ R n es un o sistema generador si ∀y ∈ R n ∃α1. vn . . v2. . . . . . .1 Dependencia e independencia lineal. los vectores v1. . . . . . . . Base. vp ∈ R n . vp son linealmente independientes. . v2 . Definici´n 4 Un conjunto {v1 . si se verifica o α1 v1 + α 2 v2 + · · · + α p vp = 0 ⇒ α 1 = α 2 = · · · = α p = 0 entonces. αp tal que y = α 1 v1 + . Definici´n 1 Dados v 1. αp ∈ R no todos nulos tales que α1 v1 + α 2 v2 + · · · + α p vp = 0 Definici´n 3 Dados v1. . . . .

. siendo esa combinaci´n lineal unica.Definici´n 5 Una base de un espacio vectorial es un o conjunto de vectores {v1 . vp } que verifica a) Son linealmente independientes. siempre a es posible conseguir otra base sustituyendo alg´n vector u de B por el vector v. . u Observaci´n: Todas las bases de un espacio vectorial o tienen el mismo n´mero de vectores. u Teorema 1 Cualquier vector de un espacio vectorial se puede escribir como combinaci´n lineal de los vectores o de una base. v = 0. Definici´n 6 La dimensi´n de un espacio vectorial es o o el n´mero de vectores de una base. o ´ Teorema 2 Dada una base B del espacio vectorial R n y un vector v ∈ R n que no est´ en B. 3 . . b) Son un sistema generador. .

2. 1. Soluciones. • Si rang A = rang [A b] = n´mero de incognitas u → soluci´n ´nica. Si rang A = rang [A b] → sistema incompatible. Dada A ∈ R m×n . rang A = n´mero filas lin. Soluciones. Si rang A = m y B es una submatriz de A con m columnas linealmente independientes. A ∈ R m×n. Sea Ax = b. Si rang A = rang [A b] → sistema compatible. Sistemas de ecuaciones lineales.. m < n. A ∈ R m×n. BxB + NxN = b BxB = b − NxN xB = B−1b − B−1NxN 4 . ind. u Sea Ax = b.2. o u • Si rang A = rang [A b] < n´mero de incognitas u → infinitas soluciones.

a Ax = b A ∈ R m×n. xB = B−1b − B−1NxN • xB : inc´gnitas b´sicas. o a • xN : inc´gnitas libres. o xN = 0 ⇒ xB = B−1b N´mero m´ximo de soluciones b´sicas: u a a   n n!  = m! (n − m)! m 5 . m < n. Soluciones b´sicas.3. llamamos o soluci´n b´sica xB a la que se obtiene dando a todas o a las inc´gnitas libres el valor 0. rang A = m. o Definici´n 7 Dado un sistema lineal Ax = b.

x2 ∈ R n . Los siguientes semiespacios son cerrados: {x/cT x < z} ∪ {x/cT x = z} = {x/cT x ≤ z} {x/cT x = z} ∪ {x/cT x > z} = {x/cT x ≥ z} 6 . 0 ≤ λ ≤ 1} Hiperplanos y semiespacios. x1. {x/cT x > z} semiespacio abierto. S = {x/x = λx2 +(1−λ)x1 . Ecuaci´n de una recta. {x/cT x < z} semiespacio abierto. x2 ∈ R n . x1 = x2 . o Dados los puntos x1. 1. x1 = x2 . 3. λ ∈ R } Segmentos. x2 ∈ R n. 2. x1 = x2 el siguiente conjunto es una recta R = {x/x = λx2 +(1−λ)x1 . x1 . {x/cT x = z} hiperplano (semiespacio cerrado).4 Conjuntos convexos.

Definici´n 9 Un conjunto X ⊂ R n es convexo si dados o 2 puntos cualesquiera x1. Definici´n 10 x ∈ X ⊂ R n es punto extremo si o ∃x1 . cualquier combinaci´n o lineal convexa pertenece al conjunto X. Observaci´n: El segmento que une dos puntos es el o conjunto de las combinaciones lineales convexas de los dos puntos. x2 ∈ R n . x1 = x2. o Si 0 < λ < 1. La combinaci´n lineal o o x = λx2 + (1 − λ)x1 . x2 ∈ X. Definici´n 8 Sean x1 . 0 < λ < 1 7 . 0 ≤ λ ≤ 1 se llama combinaci´n lineal convexa de x1 y x2 .5. / x = λx2 + (1 − λ)x1 . x2 ∈ X. Conjuntos convexos: definiciones. a la combinaci´n lineal convexa se le llama o restringida.

. . Xn convexos ⇒ X= i=1 Xi es convexo. . 8 . xp ∈ R n llamamos combio naci´n lineal convexa generalizada a x tal que o p p x= i=1 λi x i . λi ≥ 0 ∀i . Teorema 5 La intersecci´n de un n´mero finito de cono u juntos convexos es un conjunto convexo. Generalizaci´n. Observaci´n. i=1 λi = 1 Definici´n 12 El conjunto de todas las combinaciones o lineales convexas de un n´mero finito de puntos se llama u poliedro convexo. . o Definici´n 11 Dados x1. . . Se puede demostrar que o p p X = {x = i=1 λi x i .6. . . n X1. Teorema 4 Los semiespacios cerrados y abiertos son conjuntos convexos. Conjuntos convexos: teoremas. λi ≥ 0 ∀i y i=1 λi = 1} es un conjunto convexo. X2 . Teorema 3 Un hiperplano es un conjunto convexo.

Se trata de buscar los puntos de ese conjunto convexo de optimizan la funci´n objetivo.. o El conjunto de soluciones de un modelo lineal es un conjunto convexo. x n ≥ 0 Se puede observar que. am1x1 + am2x2 + · · · + amnxn > bm x1 . por tanto. 2. 3. por o tanto. o 9 ≤ ≤ ≤ . . o un conjunto convexo. Aplicaci´n a la Programaci´n Lineal. opt z = c1 x1 + c2x2 + · · · + cn xn sujeto a a11x1 + a12 x2 + · · · + a1nxn > b1 a21x1 + a22 x2 + · · · + a2nxn > b2 . La funci´n objetivo es un hiperplano y..7. Hay un conjunto finito de restricciones y la intersecci´n es un conjunto convexo. un conjunto convexo. . x 2 . Cada restricci´n es un semiespacio cerrado y. o o Dado un modelo lineal. 1.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->