Introducción El Problema de Optimización Aplicaciones

Optimización de Soluciones de Sistemas de

Ecuaciones Lineales

Unidad de Pos Grado

Facultad de Ingenierı́a Eléctrica y Electrónica
Universidad Nacional de Ingenierı́a

26 noviembre de 2022

Sistemas Lineales y No Lineales Prof. E. Lévano 1 / 32

Introducción El Problema de Optimización Aplicaciones

Índice

1 Introducción

2 El Problema de Optimización

3 Aplicaciones

Sistemas Lineales y No Lineales Prof. E. Lévano 2 / 32

Introducción El Problema de Optimización Aplicaciones

Programación Lineal
Trata de la búsqueda (mayor o menor) del mejor valor que una función
lineal pueda asumir (valor óptimo) cuando sus variables están restringidas
por igualdades o desigualdades.

Sistemas Lineales y No Lineales Prof. E. Lévano 3 / 32

Introducción El Problema de Optimización Aplicaciones

Programación Lineal
Trata de la búsqueda (mayor o menor) del mejor valor que una función
lineal pueda asumir (valor óptimo) cuando sus variables están restringidas
por igualdades o desigualdades.

Las restricciones pueden ser ecuaciones lineales o no lineales.

Sistemas Lineales y No Lineales Prof. E. Lévano 3 / 32

Introducción El Problema de Optimización Aplicaciones

Programación Lineal
Trata de la búsqueda (mayor o menor) del mejor valor que una función
lineal pueda asumir (valor óptimo) cuando sus variables están restringidas
por igualdades o desigualdades.

Las restricciones pueden ser ecuaciones lineales o no lineales.

En el caso que las restricciones sean no lineales los métodos del curso
no se aplican.

Sistemas Lineales y No Lineales Prof. E. Lévano 3 / 32

Introducción El Problema de Optimización Aplicaciones

Histórico

L. V. Kantorovich (asignación óptima de recursos) 1939.

Sistemas Lineales y No Lineales Prof. E. Lévano 4 / 32

Introducción El Problema de Optimización Aplicaciones

Histórico

L. V. Kantorovich (asignación óptima de recursos) 1939.

George B. Dantzing (Programación Lineal) 1947.

Sistemas Lineales y No Lineales Prof. E. Lévano 4 / 32

Introducción El Problema de Optimización Aplicaciones

Histórico

L. V. Kantorovich (asignación óptima de recursos) 1939.

George B. Dantzing (Programación Lineal) 1947.

T. C. Koopmans 1948.

Sistemas Lineales y No Lineales Prof. E. Lévano 4 / 32

Introducción El Problema de Optimización Aplicaciones

Histórico

L. V. Kantorovich (asignación óptima de recursos) 1939.

George B. Dantzing (Programación Lineal) 1947.

T. C. Koopmans 1948.

Método Simplex 1949.

Sistemas Lineales y No Lineales Prof. E. Lévano 4 / 32

Introducción El Problema de Optimización Aplicaciones

Histórico

L. V. Kantorovich (asignación óptima de recursos) 1939.

George B. Dantzing (Programación Lineal) 1947.

T. C. Koopmans 1948.

Método Simplex 1949.

... Modelos usando el método Simplex - eficiencia computacional ...

Sistemas Lineales y No Lineales Prof. E. Lévano 4 / 32

Introducción El Problema de Optimización Aplicaciones

El Problema de Optimización

min f0 (x)
x
(1)
sujeto a gi (x) ≤ bi , i = 1, 2, . . . , m.

Sistemas Lineales y No Lineales Prof. E. Lévano 5 / 32

Introducción El Problema de Optimización Aplicaciones

El Problema de Optimización

min f0 (x)
x
(1)
sujeto a gi (x) ≤ bi , i = 1, 2, . . . , m.

x = (x1 , x2 , . . . , xn ) la variable de optimización,

f0 : Rn → R función objetivo,
gi : Rn → R funciones restricciones,

Sistemas Lineales y No Lineales Prof. E. Lévano 5 / 32

Introducción El Problema de Optimización Aplicaciones

El Problema de Optimización

min f0 (x)
x
(1)
sujeto a gi (x) ≤ bi , i = 1, 2, . . . , m.

x = (x1 , x2 , . . . , xn ) la variable de optimización,

f0 : Rn → R función objetivo,
gi : Rn → R funciones restricciones,

x ∗ es la solución optima tal que f0 (x ∗ ) ≤ f0 (x) i.e; es el valor más pequeño

de f0 entre todos los vectores que satisfacer las restricciones.

Sistemas Lineales y No Lineales Prof. E. Lévano 5 / 32

Introducción El Problema de Optimización Aplicaciones

min c1 x1 + . . . + cn xn (2a)
x
sujeto a a11 x1 + . . . + a1n xn ≥ b1 , (2b)
a21 x1 + . . . + a2n xn ≥ b2 , (2c)
..
. (2d)
am1 x1 + . . . + amn xn ≥ bm , (2e)

Sistemas Lineales y No Lineales Prof. E. Lévano 6 / 32

Introducción El Problema de Optimización Aplicaciones

min c1 x1 + . . . + cn xn (2a)
x
sujeto a a11 x1 + . . . + a1n xn ≥ b1 , (2b)
a21 x1 + . . . + a2n xn ≥ b2 , (2c)
..
. (2d)
am1 x1 + . . . + amn xn ≥ bm , (2e)
m
X
aij xi ≥ bi son las restricciones que originan la matriz
j=1
 
a11 ... a1n
 a21 ... a2n 
A= .
 
.. .. 
 .. . . 
am1 . . . amn

Sistemas Lineales y No Lineales Prof. E. Lévano 6 / 32

Introducción El Problema de Optimización Aplicaciones

ci son valores conocidos

xi ≥ 0 son restricciones de no negatividad.
el conjunto de valores de las variables xi ≥ 0 que satisfacen todas las
restricciones es chamado punto factible o solución factible.
el conjunto de todos los puntos factibles es llamado región factible o
espacio factible (conjunto convexo).

Sistemas Lineales y No Lineales Prof. E. Lévano 7 / 32

Introducción El Problema de Optimización Aplicaciones

ci son valores conocidos

xi ≥ 0 son restricciones de no negatividad.
el conjunto de valores de las variables xi ≥ 0 que satisfacen todas las
restricciones es chamado punto factible o solución factible.
el conjunto de todos los puntos factibles es llamado región factible o
espacio factible (conjunto convexo).

Programación Lineal
Entre todas las soluciones factibles, encontrar la que minimice (maximice)
la función objetivo.

Sistemas Lineales y No Lineales Prof. E. Lévano 7 / 32

Introducción El Problema de Optimización Aplicaciones

Conjuntos convexos

Un conjunto A es convexo si para todo x1 , x2 en A ⊂ Rn tenemos que

λx1 + (1 − λ)x2 ∈ A (combinación convexa).

Sistemas Lineales y No Lineales Prof. E. Lévano 8 / 32

Introducción El Problema de Optimización Aplicaciones

Ejemplo 1. Considere
min z = 2x1 + 5x2
s.a x1 + x2 ≥ 3
−x1 − 2x2 ≥ −8
xi ≥ 0, i = 1, 2.

Función objetivo o costo

z = 2x1 + 5x2

Restricciones lineales
x1 + x2 ≥ 3
−x1 − 2x2 ≥ −8
xi ≥ 0, i = 1, 2.

Sistemas Lineales y No Lineales Prof. E. Lévano 9 / 32

Introducción El Problema de Optimización Aplicaciones

Sistemas Lineales y No Lineales Prof. E. Lévano 10 / 32

Introducción El Problema de Optimización Aplicaciones

Las restricciones
m
X
aij xi ≥ bj
j=1

pueden ser trasformadas en una ecuación introduciendo una variable de

exceso (surplus variable) xm+1 ≥ 0,
m
X
aij xi − xm+1 = bj
j=1

o una variable de holgura (slack variable) si las restricciones son

m
X
aij xi ≤ bj
j=1

tal que
m
X
aij xi + xm+1 = bj .
j=1

Sistemas Lineales y No Lineales Prof. E. Lévano 11 / 32

Introducción El Problema de Optimización Aplicaciones

La ecuación
m
X
aij xi = bi
j=1

puede ser transformado en dos desigualdades

m
X m
X
aij xi ≤ bi y aij xi ≥ bi
j=1 j=1

n
X n
X
min ci xi = max − ci xi
i=1 i=1

Sistemas Lineales y No Lineales Prof. E. Lévano 12 / 32

Introducción El Problema de Optimización Aplicaciones

Ejemplo 2. Considere las restricciones

x1 + x2 ≤ 6
x2 ≤ 3
xi ≥ 0, i = 1, 2.

Sistemas Lineales y No Lineales Prof. E. Lévano 13 / 32

Introducción El Problema de Optimización Aplicaciones

Ejemplo 2. Considere las restricciones

x1 + x2 ≤ 6
x2 ≤ 3
xi ≥ 0, i = 1, 2.

que puede ser transformada en restricciones de igualdad.

x1 + x2 + x3 = 6
x2 + x4 = 3
xi ≥ 0, i = 1, 2.

Sistemas Lineales y No Lineales Prof. E. Lévano 13 / 32

Introducción El Problema de Optimización Aplicaciones

Forma usual (arriba) y la forma canónica (abajo) de un problema de

optimización lineal.

Sistemas Lineales y No Lineales Prof. E. Lévano 14 / 32

Introducción El Problema de Optimización Aplicaciones

Notación Matricial

Sistemas Lineales y No Lineales Prof. E. Lévano 15 / 32

Introducción El Problema de Optimización Aplicaciones

Solución del problema de optimización

Sea una descomposición de la matriz A = B N con B ∈ Rm×m no
 

singular y N ∈ Rm×n−m . La solución para el sistema de ecuaciones

⊺ ⊺ ⊺
Ax = b, x = xB xN , en donde,

xB = B −1 b

es llamada solución básica.

Toda solución básica no negativa es solución básica factible.
xN es la solución no básica. Si xB > 0 es solución básica factible no
degenerada.

Sistemas Lineales y No Lineales Prof. E. Lévano 16 / 32

Introducción El Problema de Optimización Aplicaciones

Ejemplo 3. Considere el sistema Ax = b,

   
1 1 1 0 6
A= ,b =
0 1 0 1 3
enseguida, construimos las soluciones básicas factibles por medio de la
matriz cuadrada B,
         
1 1 x1 3 x 0
B= , −1
= xB = B b = , xN = 3 =
0 1 x2 3 x4 0
         
1 0 x 6 x 0
B= , 1 = xB = B −1 b = , xN = 2 =
0 1 x4 3 x3 0
         
1 1 x 3 x 0
B= , 2 = xB = B −1 b = , xN = 1 =
1 0 x3 3 x4 0
         
1 0 x 6 x 0
B= , 2 = xB = B −1 b = , xN = 1 =
1 1 x4 −3 x3 0
         
1 0 x 6 x 0
B= , 3 = xB = B −1 b = , xN = 1 =
0 1 x4 3 x2 0
Sistemas Lineales y No Lineales Prof. E. Lévano 17 / 32
Introducción El Problema de Optimización Aplicaciones

Soluciones factibles

Sistemas Lineales y No Lineales Prof. E. Lévano 18 / 32

Introducción El Problema de Optimización Aplicaciones

Soluciones factibles

Las soluciones factibles del sistema

       
3 6 0 0
3 0 3 0
x1 = 0 , x2 = 0 , x3 = 3 , x4 = 6
      

0 3 0 3

proyectando en el plano (espacio R2 ) tenemos

       
3 6 0 0
, , ,
3 0 3 0

que son los puntos extremos (ver figura anterior).

Sistemas Lineales y No Lineales Prof. E. Lévano 19 / 32

Introducción El Problema de Optimización Aplicaciones

Planeamiento de Producción

Ejemplo. Considere una empresa que produce zapatos y botas. Las

materias primas (y sus respectivas cantidades disponibles) y el lucro en
función de la producción de los calzados son presentados en la tabla abajo.
El objetivo es saber cual es la proporción de fabricación entre zapatos y
botas que maximice el lucro de la empresa.

productos
materia prima zapatos botas disponibilidad
cuero 2 1 8
plástico 1 2 7
pegamento 0 1 3
lucro (c/u) 1 1

Sistemas Lineales y No Lineales Prof. E. Lévano 20 / 32

Introducción El Problema de Optimización Aplicaciones

Formulación matemática

Considere x1 cantidad de zapatos y x2 cantidad de botas producidas por la

empresa, entonces el problema anterior puede ser formulado como sigue

max z = x1 + x2
x1 ,x2

2x1 + x2 ≤ 8
x1 + x2 ≤ 7
s.a x2 ≤ 3
0 ≤ x1
0 ≤ x2

Sistemas Lineales y No Lineales Prof. E. Lévano 21 / 32

Introducción El Problema de Optimización Aplicaciones

Solución geométrica

Sistemas Lineales y No Lineales Prof. E. Lévano 22 / 32

Introducción El Problema de Optimización Aplicaciones

Ejemplo. Están disponibles 5 tipos de alimentos, cada alimento tiene una

cierta cantidad de nutrientes en termino de proteı́nas y sales minerales.
Especificado el consumo necesario de nutrientes y el costo asociado a cada
tipo de alimento, queremos determinar cual es la dieta que atiende la
necesidad nutricional y presenta el menor costo.

alimentos
tipo 1 tipo 2 tipo 3 tipo 4 tipo 5 nutrientes
proteı́nas 3 4 5 3 6 42
minerales 2 3 4 3 3 24
costos 25 35 50 25 36

Formular el problema con los datos en la tabla.

Sistemas Lineales y No Lineales Prof. E. Lévano 23 / 32

Introducción El Problema de Optimización Aplicaciones

Formulación matemática del problema

Considerar los 5 tipos de alimentos como tipo 1=x1 , tipo 2=x2 , tipo
3= x3 , tipo 4=x4 y tipo 5=x5 , respectivamente.

min z = 25x1 + 35x2 + 50x3 + 33x4 + 35x5

s.a 3x1 + 4x2 + 5x3 + 3x4 + 6x5 ≥ 42
2x1 + 3x2 + 4x3 + 3x4 + 3x5 ≥ 24
xi ≥ 0, i = 1, 2, . . . , 5.

Solución óptima: x1 = x2 = x3 = 0, x4 = 2 y x5 = 6.
Costo óptimo: 266.
Método de los puntos interiores.

Sistemas Lineales y No Lineales Prof. E. Lévano 24 / 32

Introducción El Problema de Optimización Aplicaciones

Planeamiento de redes

Problema: Ubicar a los clientes con las centrales telefónicas de modo que
minimice el costo de las llamadas usuario-central.

Sistemas Lineales y No Lineales Prof. E. Lévano 25 / 32

Introducción El Problema de Optimización Aplicaciones

Llamada entre usuario y la central

Considere xij como el número de usuarios del área i conectados a la

central j, cij es el costo para conectar el usuario del área i y la central
j.
Sistemas Lineales y No Lineales Prof. E. Lévano 26 / 32
Introducción El Problema de Optimización Aplicaciones

Tipos de resultados

i) Solución óptima única.

ii) Múltiples soluciones óptimas.
iii) Función objetivo no acotada.
iv) Solución infactible

Sistemas Lineales y No Lineales Prof. E. Lévano 27 / 32

Introducción El Problema de Optimización Aplicaciones

Solución óptima única

En la Figura, (a) región acotada, (b) región no acotada.

Sistemas Lineales y No Lineales Prof. E. Lévano 28 / 32

Introducción El Problema de Optimización Aplicaciones

Solución múltiple

En la Figura, (a) región acotada, (b) región no acotada.

Sistemas Lineales y No Lineales Prof. E. Lévano 29 / 32

Introducción El Problema de Optimización Aplicaciones

Función objetivo no acotada

En la Figura, la frontera de la región objetivo se puede mover

indefinidamente en la dirección −c, manteniendo intersecciones con la
región factible.
Sistemas Lineales y No Lineales Prof. E. Lévano 30 / 32
Introducción El Problema de Optimización Aplicaciones

Solución infactible

En la Figura, el sistema de ecuaciones o desigualdades que define la región

factible es inconsistente.

Sistemas Lineales y No Lineales Prof. E. Lévano 31 / 32

Introducción El Problema de Optimización Aplicaciones

Preguntas!!!

Sistemas Lineales y No Lineales Prof. E. Lévano 32 / 32