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

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

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

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

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

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

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

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

Sign up to vote on this title
UsefulNot useful