Documentos de Académico
Documentos de Profesional
Documentos de Cultura
De Wikipedia, la enciclopedia libre Saltar a: navegacin, bsqueda Los algoritmos de pivote (o algoritmos de cambio de base ) son algoritmos de la optimizacin matemtica, y en especial de la Programacin Lineal. Dado un sistema de ecuaciones lineales cuyas variables deben adoptar valores no-negativos (esencialmente lo mismo que un sistema de inecuaciones lineales), se busca la mejor de entre muchas soluciones alternativas, es decir, una solucin ptima del sistema. En cada paso de tal bsqueda, el algoritmo transforma el sistema sin alterar su conjunto de soluciones. Algoritmos de pivote importantes son los diversos algoritmos simplex1 2 y los algoritmos criss-cross 3 . Los algoritmos de pivote son de gran importancia para el tratamiento de inecuaciones lineales, donde juegan un papel anlogo al de la eliminacin de Gauss para ecuaciones lineales. Se encuentran numerosas aplicaciones2 de sistemas de inecuaciones en reas tan diversas como la investigacin de operaciones industriales, el transporte y distribucin de bienes, en carteras de inversiones, la ingeniera estructural, la estadstica, y la teora de juegos. Frecuentemente se abordan sistemas con decenas de miles de variables4 .
ndice
[ocultar] 1 Procedimiento general o 1.1 El problema normalizado o 1.2 Condiciones de optimalidad o 1.3 Transformacin de las ecuaciones o 1.4 Pivotes admisibles 2 Implementacin y ejemplo o 2.1 Problemas con muchas variables o 2.2 Una implementacin directa o 2.3 Ejemplo de eleccin de pivotes 3 Dualidad o 3.1 Problemas duales o 3.2 Transformaciones sucesivas o 3.3 Tratamiento conjunto 4 Herramienta interactiva 5 Literatura complementaria 6 Referencias
Todo algoritmo de pivote parte de un sistema especialmente arreglado de ecuaciones lineales, cuyas variables todas, excepto tal vez una, deben tomar valores no-negativos. De hecho, cualquier sistema de inecuaciones o ecuaciones lineales, as como todo problema de Programacin Lineal, puede siempre reducirse a la siguiente forma diccionario1 2 :
donde los son nmeros reales (en la prctica casi siempre nmeros racionales). Este formato especifica que se busca valores para las incgnitas , que satisfagan las ecuaciones e inecuaciones del sistema anterior de modo tal que la variable objetivo tome el mayor valor posible. Definiendo los conjuntos de ndices
En cada iteracion de un algoritmo de pivote se destaca un conjunto de variables independientes, mientras que las restantes son variables dependientes y se expresan como funciones lineales de las primeras. Al pasar de una iteracin a la siguiente se intercambia una variable independiente por una dependiente; tales pares de variables se denominan pivotes.
podemos obtener una solucin al problema anterior, asignando a las variables independientes del sistema los valores . Por un lado, esto logra que las variables dependientes adopten valores nonegativos, tal como se peda. Por otro lado, toda solucin alternativa al problema debe satisfacer la relacin , ya que en ella las variables independientes tambin deben tomar valores nonegativos.
las condiciones de optimalidad son violadas en dos lugares, ya que y . Por un lado, los valores obtenidos al anular las variables independientes, , no constiuyen una solucin admisible porque contienen un valor negativo, . Por otro lado, no podemos descartar la posibilidad de aumentar el valor que adopta la variable objetivo eligiendo conjuntos de variables independientes con .)
A partir de la particin
con
, que divide las variables del sistema en variables independientes llamadas variables bsicas con con y las
con . En cada iteracin, los coeficientes del sistema as modificado vuelven a examinarse para ver si satisfacen las condiciones de optimalidad para todo para todo (sistema factible) (sistema acotado), y
y de este modo generan una posible solucin al problema. Un resultado estndar de la Programacin Lineal establece que todo problema que tiene soluciones tambin posee un conjunto de variables bsicas que conduce a una de ellas 1 2 . Si los coeficientes del sistema satisfacen las condiciones de optimalidad, se dice que las variables bsicas forman una base optimal del problema.
permite seleccionar el elemento correspondiente a un pivote admisible con intercambio de correspondiente al pivote
admisible Alternativamente, el coeficiente no optimal permite tambin seleccionar el elemento pivote correspodiente al pivote admisible .) La restriccin a pivotes admisibles impide que en dos iteraciones sucesivas se elija el mismo pivote. Las reglas segn las cuales el pivote es elegido dependen del algoritmo de pivote particular. No obstante, debe imponerse que el algoritmo termine en un nmero finito de pasos, lo que no sucede con una eleccin de pivotes inadecuada. Fukuda & Terlaky demostraron5 en 1999 que para todo problema con solucin y para toda base inicial existe una secuencia de a lo ms pivotes admisibles que conduce a una base optimal. Lamentablemente, esa demostracin no es constructiva en el sentido de que indique cul pivote deba elegirse en cada paso. el elemento pivote con el pivote admisible
Como se puede observar de las definiciones anteriores, una base optimal no tiene pivotes admisibles, por lo que el algoritmo no puede ser continuado a partir de una base optimal. Por otro lado, es fcil demostrar con argumentos similares a los expuestos que una base no optimal sin pivotes admisibles siempre pertenece a un problema sin solucin; sea esto, porque el sistema de ecuaciones e inecuaciones no tiene solucin alguna (problema infactible), o porque existen soluciones con un valor objetivo arbitrariamente grande (problema no acotado).
El numerador del elemento pivote es un denominador comn para el sistema de ecuaciones siguiente. Al evaluar los coeficientes de un nuevo sistema el denominador comn del sistema anterior quedar obsoleto, por lo que se procede a dividir los coeficientes del sistema nuevo por el denominador antiguo, con resultados que siempre sern enteros. 8
Un arreglo matricial que contiene los coeficientes de un sistema de pivote suele llamarse tabla de pivoteo o cuadro de pivoteo. El siguiente esquema muestra cmo cambian los coeficientes del sistema de pivoteo al pasar de una iteracin a la que sigue:
En ese esquema, el smbolo designa al denominador comn del sistema de ecuaciones, el smbolo designa al numerador del elemento pivote, designa cualquier coeficiente restante en la misma fila del elemento pivote, designa cualquier coeficiente restante en la misma columna del elemento pivote, y cualquier coeficiente ajeno a la fila y a la columna del pivote. Los coeficientes de la variable a maximizar ( ) y los coeficientes de la columna de valores ( ) se transforman de acuerdo a las mismas reglas.
Las ilustraciones en cada paso del ejemplo siguiente muestran todas el mismo sistema de ecuaciones graficado en distintos sistemas de coordenadas. En estos grficos, el rea bordeada de verde es el conjunto de soluciones factibles, para el cual todas las variables toman valores no-negativos, los ejes de coordenadas corresponden a ecuaciones de variables independientes, las dems rectas a ecuaciones de variables bsicas, la recta en rojo recorre los puntos donde la variable objetivo adopta su valor mximo, las intersecciones de rectas correspondientes a pivotes admisibles llevan puntos rojos, el pivote seleccionado va bordeado de negro, y el rea anaranjada corresponde al ortante no-negativo de la iteracin siguiente.
1. Determinar los ndices y 2. Si se tiene donde 3. Si se tiene donde , elegir el pivote . , elegir el pivote . .
Se puede demostrar3 que este criterio simple (aunque no siempre eficiente) conduce siempre a una base optimal en un sistema que tenga solucin.
En el siguiente ejemplo se busca valores no negativos para las variables que maximicen la variable adicional satisfaciendo el siguiente conjunto de ecuaciones lineales:
En el sistema inicial del ejemplo, los coeficientes no optimales son , ,y todos los pivotes son admisibles. El criterio de seleccin, sin embargo, prescribe que despejemos en lugar de :
(para animar con Firefox, pulsar aqu y luego en la imgen, manteniendo presionado) Con ello obtenemos:
Como este sistema satisface las condiciones de optimalidad, hemos obtenido la solucin
A todo problema de programacin lineal llevado a la forma bsica arriba descrita se le puede asociar un problema dual de programacin lineal. Con respecto a esa forma bsica, la matriz de coeficientes del problema dual es la matriz negativa traspuesta de la matriz de coeficientes del problema original, lo que muestra de paso que el dual del problema dual es el problema original, llamado problema primal en ese contexto.
, en notacin compacta,
(Precaucin: Al usar la forma diccionario para escribir el problema dual, no es lcito sustituir por !)
La relacin de dualidad es particularmente fcil de observar en un sistema de pivoteo que tiene slo dos variables independientes y dos variables despejadas. El sistema obtenido es el mismo si se intercambia el estado de dos de las variables y a continuacin se construye el problema dual, o si se realiza estas operaciones en orden inverso:
De esta relacin de dualidad se concluye que toda base optimal para el problema primal provee tambin una base optimal para el problema dual. Al ejemplo anteriormente desarrollado le corresponde el problema dual
En el problema original, la variable a maximizarse toma el valor ptimo ; el valor ptimo del problema dual es el negativo de este valor: el mayor valor posible que su variable objetivo puede adoptar es solucin ptima para el problema dual es . Una posible
Por otro lado, para pares de soluciones factibles de las cuales al menos una no es ptima se cumple
De ah podemos concluir que las soluciones ptimas para un par de problemas duales son exactamente las soluciones del siguiente sistema de desigualdades
donde las variables , , se hayan sustituido por las expresiones lineales correspondientes. En el caso de aplicaciones prcticas, sin embargo, esta forma de proceder slo es competitiva si se logra aprovechar adecuadamente la estructura de datos comn a los sistemas primal y dual.
5. Komei Fukuda & Tams Terlaky (1999): On the Existence of a Short Admissible Pivot Sequences for Feasibility and Linear Optimization Problems , Pure Mathematics and Applications, vol.10, 431-447, archivo ps 6. Robert Vanderbei: Linear Programming. Foundations and Extensions (= International Series in Operations Research & Management Science. Bd. 114). 3rd edition. Springer, New York NY 2007, ISBN 978-0-387-74387-5, Kapitel 8: Implementation Issues. 7. Robert Vanderbei: Linear Programming. Foundations and Extensions (= International Series in Operations Research & Management Science. Bd. 114). 3rd edition. Springer, New York NY 2007, ISBN 978-0-387-74387-5, Kapitel 13: Network Flow Problems. 8. Erwin Bareiss (1968): Sylvester's Identity and Multistep Integer-Preserving Gaussian Elimination , Mathematics of Computation, vol.22 (102), 565-578, archivo pdf
Men de navegacin
Herramientas personales
Crear una cuenta Ingresar
Espacios de nombres
Artculo Discusin
Variantes Vistas
Leer Editar Editar cdigo Ver historial
Acciones Buscar
Buscar
Navegacin
Portada Portal de la comunidad Actualidad Cambios recientes Pginas nuevas Pgina aleatoria Ayuda Donaciones Notificar un error
Imprimir/exportar
Crear un libro Descargar como PDF Versin para imprimir
Herramientas
Lo que enlaza aqu Cambios en enlazadas Subir un archivo Pginas especiales Enlace permanente Informacin de la pgina Elemento de datos Citar este artculo
En otros idiomas
Deutsch Editar los enlaces Esta pgina fue modificada por ltima vez el 14 nov 2013, a las 13:04.
lgebra lineal
De Wikipedia, la enciclopedia libre Saltar a: navegacin, bsqueda El lgebra lineal es una rama de las matemticas que estudia conceptos tales como vectores, matrices, sistemas de ecuaciones lineales y 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 ser el anlisis funcional, las ecuaciones diferenciales, la investigacin de operaciones, las grficas por computadora, la ingeniera, etc. La historia del lgebra lineal moderna se remonta a los aos de 1843 cuando William Rowan Hamilton (de quien proviene el uso del trmino vector) cre los cuaterniones; y de 1844 cuando Hermann Grassmann public su libro Die lineare Ausdehnungslehre (La teora lineal de extensin)
ndice
[ocultar] 1 Contexto general 2 Espacios vectoriales de uso comn n o 2.1 Vectores en R o 2.2 Matrices o 2.3 Espacio vectorial de polinomios en una misma variable 3 Generalizacin y temas relacionados 4 Vase tambin 5 Enlaces externos
A diferencia del ejemplo desarrollado en la seccin anterior, los vectores no necesariamente son n-adas de escalares, sino que pueden ser elementos de un conjunto cualquiera (de hecho, a partir de todo conjunto puede construirse un espacio vectorial sobre un campo fijo). Finalmente, el lgebra lineal estudia tambin las propiedades que aparecen cuando se impone estructura adicional sobre los espacios vectoriales, siendo una de las ms frecuentes la existencia de un producto interno (una especie de producto entre dos vectores) que permite introducir nociones como longitud de vectores y ngulo entre un par de los mismos...
Dentro de los espacios vectoriales de dimensin finita, son de amplio uso los tres tipos siguientes de espacios vectoriales:
Matrices
Es un arreglo rectangular de nmeros, smbolos o expresiones, cuyas dimensiones son descritas en las cantidades de filas (usualmente m) por las de columnas (n) que poseen. Los arreglos matriciales son particularmente estudiados por el lgebra lineal y son bastantes usados en las ciencias e ingeniera.
La suma de dos polinomios cuyo grado no excede a 2 es otro polinomio cuyo grado no excede a 2:
El campo de escalares es naturalmente el de los nmeros reales, y es posible multiplicar un nmero por un polinomio:
donde el resultado nuevamente es un polinomio (es decir, un vector). Un ejemplo de transformacin lineal es el operador derivada D, que asigna a cada polinomio el resultado de derivarlo:
El operador derivada satisface las condiciones de linealidad, y aunque es posible demostrarlo con rigor, simplemente lo ilustramos con un ejemplo la primera condicin de linealidad:
Cualquier espacio vectorial tiene una representacin en coordenadas similar a , lo cual se obtiene mediante la eleccin de una base (lgebra) (es decir, un conjunto especial de vectores), y uno de los temas recurrentes en el lgebra lineal es la eleccin de bases apropiadas para que los vectores de coordenadas y las matrices que representan las transformaciones lineales tengan formas sencillas o propiedades especficas.
Men de navegacin
Herramientas personales
Crear una cuenta Ingresar
Espacios de nombres
Artculo Discusin
Variantes Vistas
Leer Editar Editar cdigo Ver historial
Acciones Buscar
Buscar
Navegacin
Portada Portal de la comunidad Actualidad Cambios recientes Pginas nuevas Pgina aleatoria Ayuda Donaciones Notificar un error
Imprimir/exportar
Crear un libro Descargar como PDF Versin para imprimir
Herramientas
Lo que enlaza aqu Cambios en enlazadas Subir un archivo Pginas especiales
Otros proyectos
Commons
En otros idiomas
Afrikaans Aragons Azrbaycanca Bosanski Catal etina Dansk Deutsch English Esperanto Eesti Euskara Suomi Franais Galego Hrvatski Magyar Bahasa Indonesia slenska Italiano Latina Lietuvi
Latvi eu Bahasa Melayu Nederlands Norsk nynorsk Norsk bokml Occitan Polski Piemontis Portugus Romn Sicilianu Srpskohrvatski / Simple English Slovenina Slovenina Shqip / srpski Svenska Trke O zbekcha Ting Vit Winaray Yorb Editar los enlaces Esta pgina fue modificada por ltima vez el 30 nov 2013, a las 22:00. El texto est disponible bajo la Licencia Creative Commons Atribucin Compartir Igual 3.0; podran ser aplicables clusulas adicionales. Lanse los trminos de uso para ms informacin. Wikipedia es una marca registrada de la Fundacin Wikimedia, Inc., una organizacin sin nimo de lucro.