Está en la página 1de 34

---

Captulo 10
CONVENX/DAD. PROGRAMACION LINEAL
10.1. INTRODUCCION
A partir de la distancia definida sobre la base del producto interior habitual, se estudian y
se clasifican puntos y subconjuntos de R
n
. Se generalizan las nociones de recta, plano,
semiplano y semiespacio estudiadas en el captulo 7. Se presenta una introduccin a los
conjuntos convexos en R
n
, y se estudian sus propiedades fundamentales. Despus de
relacionar la convexidad con las trasfonnaciones lineales, se desarrollan los conceptos de
hiperplano soportante y de puntos extremos. Finalmente, y en conexin con fa anterior, se
esboza una introduccin a! problema genera! de la Programacin Linea!, y a! mtodo
simplex.
10.2. CONJUNTOS DE PUNTOS EN R
n
En lo que sigue consideraremos el espacio vectoria! (R
n
, +, R, .) con el producto interior
habitual, es decir, definido por
n
(x y)=2: xy=Xty
, i=l 1 I
donde X e Y denotan las matrices columnas asociadas a los vectores x e y.
10.2.1. Esfera abierta en R
n
Definicin
Esfera abierta de centro a E R
n
y radio r > O es el conjunto de puntos de R
n
cuyas
distancias a a son menores que r.
El smbolo S (a, r) se lee: "esfera abierta de centro a y radio r".
S (a, r) = { x E R
n
/ d (x ,a) < r I
O sea
S(a,r)= 1 xER" / IIx-all<rl
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

326
CONVEXIDAD. PROGRAMACION LINEAL
o bien
n
S (a, r)= I x e R
n
/ld/x- al)' <r' J
En particular, si n = 1, se tiene el segmento abierto de longitud 2r cuyo punto medio eSa,
a

O

O
O
R
v
Sra, r)
S (a, r) = I x e R / I x - al <r ) = I x e R / a - r < x < a + r )
En R' , S (a, r) es el interior del crculo de centro a y radio r,
'0"-_ Sra,r)
S(a,r)= I xeR' / Ilx-all<rl = I (x,x
2
)/(x --a,)' +(X2 -a,)' <r')
10.2.2. Punto interior
Sea e un subconjunto de R
n
,
Definicin
a e e es un punto interior de e si y slo si existe r > O tal que la esfera abierta de
centro a y radio r est incluida en C.
a e e es interior de e .. 3 r > O / S (a, r) e e
Los puntos de todo intervalo abierto en R son interiores. Si el inteIValo es cerrado, todos
sus puntos, salvo los extremos, son interiores.
10,2.3. Punto frontera
Sea e e R
n
,
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

CLASIFICACION DE PUNTOS
327
JJefinici
n
a e R
n
es un punto frontera de C si y slo si toda esfera abierta de centro a tiene
intersecciones no vacas con e y Ce.
e !
,
.
a eRn es frontera de C <> \1 r>O: S (a, r)n C *rp A S (a, r) n C *rp
.
.1-
,!
. '
~ ..
.
,- ...
,
.0 \ ~
>. __ "'7L--- S (a, r)
ea
...

~ ' - - - - - - - - - , , ~ - - - - - - - - - - -
,---..
El punto a .e'C, pero es
frontera de C.
10.2.4. Punto de acumulaci6n
C
Si C = A U I al, entonces el punto ais
lado a es frontera de C.
Sea ce R
n
. El smbolo S* (3, r) se lee: "esfera reducida de centro a y radio r" e indica la
diferencia entre S (3, r) y 13 l. Es decir, S* (a, r) denota la esfera abierta de centro a y radio
r, excluido el centro.
De!liicin
a e R
tI
es un punto de acumulacin de e si y slo si la interseccin entre e y cualquier
esfera reducida de centro a es no vaca.
3 eR" es de acumulacin de C'" \1 r>O: s* (3, r)n C *rp
Los puntos de acumulacin de un conjunto suelen llamarse puntos lmites.
Observamos que un punto de acumulacin de C e R" no pertenece necesariamente a C.
Tal es el caso de la figura siguiente:
e :'
,
,
'----
5 .....
,
{ ~ a ';
" ,' __ "'7L--- S (a. r)
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

328
CONVEXIDAD. PROGRAMACION LINEAL
a i C, es punto frontera y tambin de acumulacin de C.
Si consideramos
ea
- - - - - - - - ~ ~ - - - - - - - - - -
C
a e es punto frontera de C, pero no es de acumulacin de C.
Se demuestra que toda esfera reducida, centrada en un punto de acumulacin de el
contiene infinitos puntos de C.
10.2.5. Conjunto abierto
SeaCeR
n
.
Definicin
e es abierto si y slo si todos sus puntos son interiores.
C es abierto" V a e C, 3 r > O I S (a, r) n C = S (a, r)
Se demuestra que la unin de toda familia de abiertos es un conjunto abierto, y que la
interseccin de toda familia finita de abiertos es abierto.
Las esferas S (a, r) y S* (a, r) son conjuntos abiertos. Adems, de la definicin se deduce
que un conjunto abierto no incluye a su frontera.
10.2.6. Conjunto cerrado
Consideremos e e R
n
,
Definicin
C es cerrado si y slo si todo punto de acumulacin de C pertenece a C.
Es decir, un conjunto es cerrado si y slo si contiene todos sus puntos de acumulacin.
El conjunto C' cuyos elementos son todos los puntos de acumulacin de e, se llama
derivado de C. Diremos entonces que
e es cerrado ~ C' e e
La siguiente figura
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

DERIVADO y CLAUSURA
329
.a
- - - - - - - - ~ y - - - - - - - - - /
r
representa un conjunto cerrado, donde C' = A. Los conceptos de abierto y cerrado no son
excluyentes, ya que existen conjuntos que no son abiertos ni cerrados.
Este es el caso de un conjunto formado por la unin de un disco abierto y un punto
aislado. Observamos, adems, que un segmento abierto es un conjunto abierto en R, pero no
lo es en R2; o sea, el concepto de abierto es relativo al espacio mtrico que se considere.
El lector podr demostrar, como ejercicio del trabajo prctico, que un conjunto es
cerrado si y slo si su complementario es abierto.
Se verifica que la interseccin de toda familia de cerrados es cerrada, y que la unin de
toda familia finita de cerrados es un conjunto cerrado. Estas proposiciones son consecuencia
de la propiedad anterior.
10.2.7. Clausura de un conjunto
SeaC e R
n
Definicin
Clausura de C es la unin entre C y su derivado.
El smbolo E se lec: "clausura de e".
Se tiene
C ~ C U C'
o sea, la clausura de e es la unin entre e y el conjunto de sus puntos de acumulacin. Se
demuestra que la clausura de un conjunto cualquiera es cerrada. Ms an, que la clausura de
un conjunto e es la interseccin de todos los cerrados que inlcuyen a C. En este sentido, la
clausura de e es el mttzimo cerrado, en el sentido de inclusin, que contiene a C.
10.2.8. Conjunto acotado
Sea ce R
n

Definicin
C es acotado si y slo si existe r > O tal que
aeC=> lIa lI<r
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

330
CONVEXIDAD. PROGRAMACION LINEAL
o sea, e es acotado si y slo si existe r > O tal que
e e S (O, r)
Definicin
e est acotado por debajo si y slo si existe a e R
n
tal que
X e =>8';;X
La notacin vectorial a ~ x significa que al ~ x , \;Ji = 1, 2, ... , n.
Definicin
e est acotado por arriba si y slo si existe 8 e R
n
tal que
xeC=>x.:(a
El conjunto e e R
2
indicado en la siguiente figura est acotado por debajo, pero no por
arriba
a
10.3. SEGMENTOS, HIPERPLANOS y SEMlESPACIOS
10.3.1. Rectas y segmentos en R
n
Sean PI y P
2
dos puntos distintos de R
n
. La ecuacin vectorial de la r"et'P
I
P
2
es
X ~ P I + t(P
2
- PI) donde t eR
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

RECTA Y SEGMENTO EN Rn
o
P
2
- P,
Por distributividad respecto de la suma en R
n
y en R, se tiene
X = t P 2 + (1 - t) P,eon tER
La recta determinada por P, y P
2
es el conjunto
P, P
2
= (XER
n
/X=tP
2
+(l-t)P, )
El segmento PI P:2 se obtiene haciendo variar el parmetro t entre O y 1. o sea
X E P, P
2
<> X = t P
2
+ (1 - t) P, A 0< t < 1
331
ObseIVamos que cualquier punto del segmento determinado por P, y P
2
puede expresarse
como combinacin lineal de stos, con escalares no negativos y cuya suma es 1.
Ejemplo JO-1
La ecuacin vectorial paramtrica de la recta determinada por P, (3, O) Y P
2
(0, 4) es
(x" x2)=(3, O) + t(-3, 4)
El sistema de ecuaciones cartesianas paramtricas es
!
XI=3-3t
X2 =4 t
Eliminando el parmetro resulta la ecuacin cartesiana
X2
x, =3 - 3-
4
o sea
4xl+3x2=12 (1)
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

332 CONVEXIDAD. PROGRAMACION LINEAL
La representacin es
El vector c 41 + 3 J es nOffilal a r . En notacin matricial, la ecuacin (l) se escribe
C
t
X 12
donde e y X (:J
La distancia entre O y r es
IPel',1
La igualdad
C
t

12
5
denota una familia de rectas paralelas a r. Al trasladar r paralelamente a s misma en la
direccin de e, crece la distancia entre el origen y la recta.
Ejemplo JO2
El segmento determinado por 1', y P" con las coordenadas del ejemplo anterior, est
dado por
conO';:t';:l
El valor de t para el cual se obtiene el punto medio del segmento satisface a
( 2) (O, 4 t) + (3 - 3 t, O) (3 - 3 t , 4 t)
2
1
de donde resulta t - .
2
a
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

10.3.2. Hiperplanos en R
n
Definicin
HIPERPLANOS
Un lperplano en Rn es un conjunto de puntos de R
n
tales que
e' X=k
donde e denota un vector columna de n componentes y k es un nmero rea1.
e
__ x
o
El vector e es ortogonal a 1T'. En efecto, sean PI Y P 2 pertenecientes a n. Entonces es
e'p! =kA e'p, =k
Luego
e'(P
2
-P)=O
O sea, el producto interior entre e y cualquier vector de 7T es cero.
Luego
el1T
La ecuacin de un lperplano que pase por el origen es
e'x= O
333
La ecuacin normal vectorial se obtiene dividiendo por 11 e 11 y considerando k en valor
absoluto, o sea
Esta igualdad puede escribirse
e'
-X=
lIell
Ikl
lIell
N' X=p
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

334
CONVEXIDAD. PROGRAMACION LINEAL
donde N es un vector unitario normal
al plano. El nmero es, en valor absoluto 1
11 ell '
distancia del origen al plano.
Los hiperplanos de ecuaciones el x k 1 Y x k
2
son paralelos si y slo si e 1
,.
En R
2
un hiperplano es una recta. En R' es un plano.
La ecuacin cartesiana del hiperplano cuya ecuacin vectorial es
e' x k,
se escribe
n
:E
i=1 I
Consideremos el caso de un hiperplano cuyas intersecciones con los ejes sean positivas. La
siguiente figura ilustra la situacin en R
2
e
ctx =k
La ecuacin es

donde k> O. Mostraremos que si el hiperplano se traslada paralelamente a s mismo en l.
direccin del vector normal, entonces el tnnino independiente de la ecuacin crece. En
efecto, el ltiperplano que pasa por Xl, de vector normal e, est definido por
e' x k
l
Si consideramos el hiperplano con el mismo vector normal, que pasa por
X2 Xl +" e, con" > O,
se tiene
e' x k
2
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

la
la
SEMIESPACIOS
335
como
c'X
2
+" 11 e 11
2
resulta
k
2
>k,
Todos los puntos del hiperplano de ecuacin e' x k
2
verifican e' x > k,.
Se propone como ejercicio del trabajo prctico la demostracin de la siguiente propiedad:
todo hperplano es un conjunto cerrado.
10.3.3. Sellespacios
Un hiperplano '/f de ecuacin
C'
detennina una particin de R
n
en tres conjuntos: el hip,erplano 1f y dos semiespacios
abiertos de borde '/f.
Ilustramos esta situacin en R
2
8
2
s,
e' X=k
Definicin
Semiespacios abiertos de borde 1f son los conjuntos
Definicin
S, I X e R" / c' X < k I
S2 IXeR
n
/c'x>kl
Semiespacios cerrados de borde 'Ir son los conjuntos
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m
336
CONVEXIDAD. PROGRAMACION LINEAL
SI ~ I X e R
n
/ C' X <;; k I
5, = I X e R
n
/ C' X -;. k )
4
Se demuestra ,que los semiespacios abiertos son conjuntos abiertos, y que los semiespacio
s
cerrados son conjuntos cerrados en R
n
.
10.4. CONVEXIDAD EN R
n
10.4.1. Conjuntos convexos
SeaCeR
n
.
Definicin
El conjunto C es convexo si y slo si el segmento determinado por cualquier par de
puntos de C est incluido en C.
C e R
n
es convexo" PIe C ! P, e C => PI P, e C
Sabemos que
PI P, = Xl' R
n
/ X ~ t P , +{I-t)P
1
A o<;;t<;;11
La expresin t P, + (1 - t) 1'1, donde O <;; t <;; 1, se llama combinacin convexa de PI y P"
En consecuencia, diremos que un conjunto e es convexo si y slo si toda combinacin
convexa de dos puntos cualesquiera de C pertenece a C, El conjunto de todas las
combinaciones convexas de PI y P2 es el segmento cuyos extremos son estos puntos.
1004.2. Propiedad
La interseccin de dos conjuntos convexos es un conjunto convexo.
Sea C = C
1
n C" donde C
1
y C, son convexos, Consideremos dos puntos cualesquiera PI
y P, pertenecientes a C, Se verifica que
PI eC A P, eC "'PI eC
1
A PI eC, /1 P, eC
1
/1 P, eC, '"
=>P
1
P, eC
1
A PI 1', ec, "'PI 1', CC
1
nc, =>P
1
P, ec
En consecuencia, e es convexo. Hemos aplicado la definicin de interseccin, de conjunto
convexo y la siguiente propiedad: si un conjunto est incluido en dos conjuntos, entonces
est incluido en la interseccin de stos.
1004.3. Combinaciones convexas
Sean PI, P 2' . .. , P m pertenecientes a R
n
.
ce
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

CONVEXIDAD EN R
n
Definicin
Combinacin convexa de los puntos PI, P 2, ... , P m es todo vector del tipo
m
donde
Propiedad
". p.
i=1 I I
m
",= 1 y ",;;'0, 'Vi = 1,2,,, .,m.
i:::;,!
El conjunto de las combinaciones convexas de los puntos PI' P2, .... P m, es convexo.
Hiptesis) i P"P2 , ',Pm l CR"
337
de Tesis) C = '" P, '" = 1 A "1;;' o) es convexo
1-1 1-1
P,.
In
las
Lto
;es
Demostracin)
Se trata de probar que toda combinacin convexa de dos puntos cualesquiera de C,
pertenece a C. Sean P' y P" pertenecientes a C. Ahora bien
m m
P' e . P" e=? p' = L el P 1\ P" = a" p.
1=1 I I i=1 I I
donde
m m
O a{ , O a'; y .L ai = ,L a' = 1
1=1 1=1
Como
m m
1 P" + (1 - 1) P' = 1 p. + (1 - 1) a" p. =
i=1 I I i=1 I 1
m
= (1 + (1 .- t) p.
1=1 I I I
resulta t P" + (1 -- t) P' una combinacin convexa de los m puntos dados, pues
O:;;;;;o:i
t)a;'
Luego
O,,; t al + (1 - t) al'
Adems
m m m
t + (1 - t) = t + (1 -- t) = 1
1=1 I I i=1 I 1=1 I
El conjunto C, representado en la figura siguiente, es el conjunto de las combinaciones
convexas de los puntos PI, P 2, P 3 Y P 4 pertenecientes a R
2
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

...
338
CONVEXIDAD. PROGRAMACON LINEAL
PI
10.4.4. Casco convexo de WI conjwllo
Sea e un conjunto no vaco de R
U

Definicin
Casco convexo de e es la interseccin de todos los convexos que incluyen a C.
El casco convexo de e e R
n
es el mnimo convexo (en el sentido de inclusin), qm
incluye a C.
Sea tr el casco convexo de C. Entonces
If n C,
donde I C, / i e 11 es la familia de todos los convexos que incluyen a C.
Ejemplo 1 (J.3
En R
n
, el casco convexo del conjunto e = { PI, P2} , donde PI "* P2' es el
segmento PI P
2

En R
3
, si e es la superficie esfrica de radio 2 con centro en el origen, entonces e es
la esfera correspondiente. En trminos analticos, se tiene
10.4.5. Propiedad

XeR
3
/ IIXII<21
11
co
El casco convexo de un nmero finito de puntos de R
n
es el conjunto de J;;: Hi
combinaciones convexas de ellos. I
Sean PI, P
2
, , P m pertenecientes a R
n
. En 10.4.3. hemos demostrado que el conjllnl
T
de las combinaciones convexas de estos puntos es convexo. e
Este conjunto, que denotamos mediante S, es un convexo que incluye De
C I PI, P 2, .. , P n , ya que cualquiera de los elementos de ste es una p"
convexa de todos ellos. I
Consideremos ahora la interseccin de la familia de todos los convexos que incluyen a(
o sea
([ n C, / c, ::> C A C, es convexo
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

CONVEXIDAD EN R
n
Debemos probar que
C e A y A es convexo => S e A
Razonamos inductivamente sobre m.
1. Si m 1, la proposicin se verifica obviamente, ya que S C.
2. Suponemos la validez para m-I. Se tiene
m m

i=l I I J i=l I
PI + ",
1 - tXm
P
+
+ (Xm-l !' )
2 m-I
1 - tXm
339
+a
m
Pn
El vector
es una combinacin convexa de
PI J P2' ... , P m -1, Y por la hiptesis inductiva pertenece a A. Como ste es convexo, P, que
es una combinacin convexa de dos puntos de A, pertenece a A.
:1
's
En consecuencia
seA
o sea, If S.
Definicin
Poliedro convexo generado por un nmero finito de puntos es el casco convexo que
ellos determinan.
El tringulo representado en 1004.3. es el poliedro convexo generado por PI, P" P
3
Y P 4'
10.5. CONVEXIDAD Y TRASFORMACIONES LINEALES
10.5.1. Imagen de un conjunto convexo
La imagen de un conjunto convexo, por toda trasfonnacin lineal f: R
n
-7 R
m
, es un
conjunto convexo.
: l. Hiptesis) [: R
n
-> R
m
es trasformacin lineal
e e R n es convexo
unl
Tesis) [(e) es convexo en R
m
" Demostracin) Sean Q' y Q" pertenecientes a [(C). Por definicin de imagen, existen P' y
ici', P" en e, tales que
[(P') Q' y [(P") Q"
"
Como e es convexo, se verifica que
t P" + (1 - t) P' C
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

340 CONVEXIDAD. PROGRAMACION LINEAL
Luego
tf(P") +(1 - t)f(P')ef(C)
o sea
t Q" + (1 - t) Q' ef(C)
En consecuencia,f(C) es convexo.
10.5.2. Preimagen de un conjunto convexo
La preirnagen de un conjunto convexo, por toda trasfonnacin lineal!: R
n
--)- Rm,
conjunto convexo.
Hiptesis) f: R
n
-> R
m
es trasfonnacin lineal
e e R
m
es convexo
Tesis) -l (C) es convexo en R
n
.
Demostracin) Consideremos dos puntos cualesquiera P' y P" en la preimagen de C.
definicin de preimagen, de trasfonnacin lineal y de convexidad, se tiene
P' e -t (C) 1\ P" e -l (C) => f (P') e C 1\ f (P") e C =>
=> t f(P") + (I - t)f(P') e C => f(t P" + (I - t) P') eC =>
=> t P" + (I - t) P' e-l (C)
En consecuencia,!-l (e) es un conjunto convexo.
10.5.3. Convexidad de hiperplanos y de sellespacios
l. Todo hiperplano es un conjunto convexo.
Consideremos C e R
n
y la funcin f: R
n
... R definida por


Esta definicin caracteriza a f como trasformacin lineal. El conjunto cuyo
elemento es k e R es convexo. De acuerdo con 10.5.2., su preimagen por f, es
convexo en R
n
. Tal preimagen es el conjunto
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

CONVEXIDAD Y TRASFORMACIONES LINEALES
IXeR
n
/[(X)=e'X=k)
O sea, el hiperplano de ecuacin e' x = k,
II ' El conjunto e = I x e R / x > k I es convexo,
o
k
En efecto:
P,

x,
P
2

1', e e A P2 e e '" x, > k A X2 > k '"
"'tX2 +(l-t)x, >tk+(l-t)k=k
III. Todo semiespacio abierto es un conjunto convexo.
Considerando la trasfonnacin lineal [: R
n
... R definida por
34)

R
, p ~ [(X) = e' X,
rUco
; un
y que el conjunto
es convexo, entonces su preimagen, o sea
IXeR
n
/ [(X)=e'X>k)
es un conjunto convexo, de acuerdo con 10.5.2.
Tal preimagen es el semiespacio de inecuacin
e'X>k
IV. Con criterio anlogo se prueba que todo semiespacio cerrado es un conjunto
convexo.
V , La interseccin de un nmero finito de semiespacios. por ser stos conjuntos
convexos, es un conjunto convexo. Tal interseccin, como lo muestran las siguientes
figuras, puede ser acotada o no.
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

342
CONVEXIDAD. PROGRAMACION LINEAL
10.6. HIPERPLANOS SOPORTANTES
10.6.1. Propiedad
Si C es un subconjunto cerrado y convexo de R", entonces cualquier punto P
pertenece a C, o bien existe un hiperplano 1f al que pertenece P y es tal que C est inelui,
en uno de los dos semiespacios abiertos de borde 1f.
En efecto, si Pe C, nada hay que probar. Su pongamos entonces que P .f'C; en este
demostraremos que existe un hiperplano 1f que verifica 10 afirmado en el enunciado.
Consideremos la funcin
f:C-+R
definida por

C
La funcin fp es continua y alcanza el mnimo en c. o sea
3 A tC/ X tC =>fp (A) ';;;;fp (X)
Es decir, existe A e C tal que
11 A - PI!';;;; 11 X - PI! V X t C
Sea N A-P. Se verifica que N", O, pues A t C Y P .f'C. Afirmamos que el ltiperplau'
ortogonal a N que pasa por P es tal que C est incluido en uno de los dos semiesp.ci
abiertos determinados por l.
La ecuacin de tal ltiperplano es
N' (X O
o sea
N'
Si B es cualquier punto de C distinto de A, entonces para todo t perteneciente al interv,
semiabierto (O, 1] se verifica que
I! A -PI!';;;; IIA - t(B -A)- I!(A -P)+t(B -A)II
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

an
el
HIPERPLANO SOPORTANTE
343
Elevando al cuadrado y teniendo en cuenta la expresin del cuadrado del mdulo y la
distributividad del producto interior, en notacin matricial, resulta
IIA-PII2';IIA-PII2+2t(A-P)'(B-A)+t2I1B_AII2
Despus de cancelar y dividir por t:
O'; 2 (A - p)' (B - A) + t 11 B - A 11
2
Para t --> O es
O'; (A - p)' (B - A) = N' (B - A) = N' B - N' A =
= N' B - N' A + N' P - N' P = N' (B - P) - N' (A - P)
o sea
O .; N' (B - P) - N' N
De donde
N' N <N' (B - P)
y como N' N> O, pues N ,,. O, resulta
O <N' (B - P)
Es decir
N' B>N'P
En consecuencia, B pertenece al semiespacio de inecuacin
N' X>N'P
o sea, e est incluido en el semiespacio abierto determinado por la inecuacin
N' X >N' P
10.6.2. Hiperplano soportante
Sea P un punto frontera del subconjunto convexo e e R".
Definicin
'Ir es un hiperplano soportante del conjunto convexo C en el punto frontera P si y slo
si C est incluido en uno de los dos semiespacios cerrados de borde 'Ir.
Queda como ejercicio del trabajo prctico la demostracin de la siguiente propiedad: si P
es un punto frontera de un conjunto convexo e, entonces existe un hiperplano soportante de
CenP.
Ejemplo 104
val Consideremos un conjunto convexo C y el Iperplano de ecuacin
N' X= k
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

344
CONVEXIDAD. PROGRAMACION LINEAL
Sabiendo que
XeC=>N'X>k (1)
afinnamos que todo punto perteneciente a C n 11 es un punto frontera de C.
En efecto, si P no fuera un punto frontera de C, existira e> O tal que
P-eNeC
Luego
N' (P - eN)=N' P - eN' N =k - eN' N<k
lo que es imposible, ya que todo punto de C satisface (1).
En consecuencia, P es un punto frontera de C, y 11 es un hiperplano soportante de e en
P.
10.7. PUNTOS EXTREMOS
Sea P un punto del conjunto convexo e e R
n
.
Definicin
P es un punto extremo de e si y slo si no existen dos puntos distintos P, y P,
pertenecientes a C tales que
P = t P
2
+ (1 - t) P, donde 0< t < 1
O sea, un punto extremo de un conjunto convexo no pertenece al segmento abierto
detenninado por dos puntos distintos de l.
P
3
Observamos que un punto extremo no puede pertenecer a un segmento incluido en e, a
menos que sea un extremo de dicho segmento.
Se demuestra que todo punto extremo de un conjunto convexo es un punto frontera.
Propiedad
Todo hipelplano soportante de un conjunto convexo, cerrado y acotado por debajo,
contiene un punto extremo.
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

,

lo
PUNTOS EXTREMOS
345
abar esta afirmacin consideremos un hiperplano soportante de e en un punto
Pata ~ Sea rr tal hiperplano, y su ecuacin
ft
ontera o'
NIX=Nlpo
'detemOs el semiespacio cerrado definido por
cons,
NI X;;> NI Po If X e C
y sea
De acuerdo con las hiptesis y propiedades anteriores, A es convexo, cerrado y acotado
por debajo.
1T
Probaremos que todo punto extremo de A es un punto extremo de C. En consecuencia, el
problema queda reducido a la determinacin de los puntos extremos de A.
Supongamos que P sea un punto extremo de A no perteneciente a C; entonces existen Ql
y Q2 en C tales que
P=tQ2 +(I-t)Q, A O<t<1 (1)
Ahora bien
De (1) se deduce
NI P = t NI Q2 + (i - t) NI Q,
De esta igualdad y de (2) resulta
N'Po=tN
I
Q2 +(I-t)NIQ, (3)
Adems
Q, eCA Q2 eC=>NIQ, ;;>Nlp
o
AN
I
Q2 ;;>Nlp
o
Supongamos que se verifica alguna desigualdad estricta, por ejemplo, NI Q2 > N' Po
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

346
CONVEXIDAD. PROGRAMACION LINEAL
Entonces, considerando (3) se tiene
N' Po> t N' Po + (1 - t) N' Po = N' Po
lo que es absurdo. En consecuencia, se verifica que
N' Q, = N' Po A N' Q2 = N' Po
Osea
Q, E 7T A Q2 E 7T
Y esto contradice la suposicin de que P es un punto extremo de A.
Proponemos como ejercicio del trabajo prctico la determinacin efectiva de un pUnto
extremo de A.
Se demuestra que todo conjunto cerrado, acotado y convexo es el casco convexo de SUs
puntos extremos.
Las figuras ilustran esta situacin y tambin el hecbo de que un convexo no acotado o
abierto no es el casco convexo de sus puntos extremos.
10.8. INTRODUCCION A LA PROGRAMACION LINEAL
10.8.1. Concepto
La Investigacin Operativa, que nace en la segunda Guerra Mundial, es la ciencia que trata
problemas que se presentan en la industria, comercio, educacin, defensa, etctera, y
aplicable a sistemas complejos en Jos que intervienen personas, equipos. materia prima y
dinero. Su objetivo es el asesoramiento, a fin de adoptar decisiones convenientes.
La Programacin Lineal es un modelo particular que utiliza la Investigacin Operativa.
Los problemas que trata la Programacin Lineal son aquellos que pueden ser expresados
mediante relaciones lineales que vinculan las variables con los datos.
En lo que sigue, y sobre la base del concepto de convexidad, presentaremos el problema
general de la Programacin Lineal en 10 que se refiere a su planteo, estructura lineal,
soluciones posibles y optimizacin del objetivo.
Consideremos el siguiente caso: una industria produce dos tipos de productos Al y A
2

Existen restricciones de los recursos: mano de obra, materia prima y maquinaria. Se sabe que
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

PROGRAMACION LINEAL
347
ara producir una unidad del producto Al' el dinero insumido por los recursos es, en pesos,
~ 10 Y 4 respectivamente. En el caso del segundo producto las cantidades son 6, 20 Y 4.
, Esta situacin queda indicada en la siguiente tabla o matriz
A, A
2
Mano de obra 5 6
Materia prima 10 20
Equipos 4 4
El dinero disponible para cada uno de los tres recursos es, respectivamente, 15.000,
20.000 Y 6.000 pesos.
La ganancia o beneficio neto por cada unidad del producto A, es 3 pesos, y por cada
unidad del producto A
2
es 4 pesos. Se supone que el mercado puede absorber sin
competencia estos productos.
Con esta informacin completamos el cuadro anterior:
~
Recursos A, A
2
Disponibilidades
Mano de obra 5 6 15.000
Materia prima 10 20 20.000
Equipos 4 4 6.000
Beneficio 3 4
El problema consiste en determinar las cantidades a producir, x, y X2, de los productos
Al y A
2
, respectivamente, a fin de obtener el mximo beneficio. El objetivo es, entonces,
maximizar el beneficio.
Las variables XI y Xl deben satisfacer las siguientes restricciones:
l. Condiciones de vnculo
{
5x, + 6X2";; 15.000
10x, + 20X2 ,,;; 20.000
4x,+ 3X2";; 6.000
2. Condiciones de no negatividad
(
X, ;;'0
Xz ~ O
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

348
CONVEXIDAD. PROGRAMACION LINEAL
El nmero de unidades producidas de cada producto no puede ser negativo.
El conjunto solucin S del sistema fonnado por las inecuaciones anteriores es 1
interseccin de los cinco semiespacios (en este caso semiplanos), que tales inecuacio
n
a

detennman.
Para obtenerlo, representamos primero las rectas cuyas ecuaciones son:
5 X + 6X2 ~ 15.000
IOx + 20X2 ~ 20.000
4x + 4X2 ~ 6.000
Las condiciones de no negatividad restringen el problema al primer cuadrante. Obtenemos
las intersecciones de las rectas con los ejes escribiendo las ecuaciones en la fonna
segmentarla, o sea, dividiendo por cada tnnino independientemente:
~ + ~ =
3.000 2.500
~ + ~ =
2.000 1.000
~ + ~ =
1.500 1.500
La representacin de las tres rectas y del conjunto S, interseccin de los cinco
semiespacios, queda indicada en la siguiente figura
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

PROGRAMACION LiNEAL
349
El conjunto solucin S es el cuadriltero cuyos puntos (x " x,) satisfacen las condiciones
vnculo y de no negatividad. S recibe el nombre de conjunto de soluciones posibles o
;:ctibl
es
. De l hay que elegir el subconjunto cuyos elementos maximicen la funcin objetivo
f(Xl,X,)=3xl +4x,
10
1
, x,) representa el beneficio neto que se obtiene al vender x, unidades del producto A,
X unidades del producto A, .
y, 1"
La re actoll
3
representa una familia de rectas paralelas, de pendiente m:: --4' llamadas rectas de
isobeneficio.
De stas, interesa aquella cuya interseccin con S sea 110 vaca y cuya distancia al origen,
es decir, ~ , sea mxima. Esto es, hay que determinar la recta de la familia de mayor k y de
interseccIn no vaca con S.
k =0
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

2Q
350
CONVEXIDAD. PROGRAMACION LINEAL
En la figura se ha representado la recta de la familia que pasa por el origen y cUYa
ecuacin es
3xI +4x,
Desplazando esta reeta en la direccin del veetor nOlmal 3 1 -1- 4 J crece la distancia al
origen.
El conjunto S nr corresponde al punto (LOOO, 500). Para estos valores de XI y x, el
beneficio es mximo, y se obtiene
mxf(xl' x,) 3. 1000 + 4 500 5000
O sea, el beneficio mximo, que es de 5.000 pesos, se obtiene produciendo 1.000
unidades del producto Al y 500 unidades de A,. Cualquier otro punto de S tiene
coordenadas asociadas a una produccin con la que se obtiene una ganancia monOr, Si el
nmero de variables es mayor que 2, no es posible resolver el problema grficamente. El
mtodo analtico ms utilizado para resolver un problema de Programacin Lineal es el
Simplex.
Con relacin al problema expuesto, utilizando notacin matricial, se tiene
A X (XI) B C (;')
4 4 x, / 6.000 3
1. Condiciones de vnculo:
AX<B
2. Condiciones de no negatividad:
X;;'O
3. Funcin objetivo (a optimizar):
f(X) C
'
X
Ejemplo }o5
Desarrollamos el siguiente problema expuesto por 'fucker en el Seminario de
Royaumont, cuyo enunciado figura en la publicacin nmero 26, por el Doctor
Luis A. Santal, de la coleccin La Escuela en el Tiempo, Editorial Eudeba, 1966.
Un chacarero tiene a su disposicin 100 hectreas de tierra, 160 das-hombre para
cultivarlo y 1.100 pesos para invertir. Desea sembrar dos cultivos, uno de los cuales
requiere un da-hombre por hectrea y produce un beneficio de 40 pesos pur hectrea;
el otro cultivo requiere 4 das-hombre por hectrea y produce un beneficio de 120
pesos por hectrea. El cultivo 1 requiere una inversin de 10 pesos por hectrea y el
cultivo 2 requiere 20 pesos por hectrea. Se desea saber cuntas hectreas de cada
cultivo habr de plantar para obtener el beneficio mximo.
En el siguiente esquema quedan especificados la matriz A, el vector B y los coeficientes
de costos, o sea, el beneficio neto por hectrea para cada cultivo:
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

PROGRAMACION LINEAL
351
~
Recursos
e, e.
Disponibilidades
Hectreas 1 1 100
Dashombre 1 4 160
Inversin por ha. 40 20 1.100
Beneficio 40 120
Si x, Y x. son las hectreas que deben destinarse a los cultivos e, y e., el problema
consiste en maximizar la funcin objetivo
sujeta a las restricciones
40x, + 120x.
x, + x .:; 100
x, + 4 x .:; 160
lOx, + 20x.':; 1.100
x, >0
x. >0
En el grfico signiente estn representados el conjunto S de soluciones posibles, y el
punto de coordenadas (60, 25) que optimiza la funcin objetivo:
_J
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

352
CONVEXIDAD. PROGRAMACION LINEAL
El mximo beneficio se obtiene sembrando 60 hectreas del cultivo I y 25 hectreas
del cultivo 2, o sea, dejando 15 hectreas sin cultivar.
10.8.2. Problema general de Programacin fineal
Un problema de programacin lineal puede expresarse de la siguiente mauera:
n
minimizar e,x, (funcin objetivo)
1==1
sujeta a las restricciones:
AX';;B
X;;;. O
(condiciones de vnculo)
(condiciones de no negatividad)
donde X R
nx1
,A R
mxn
, B R
mx1
,
DefillicilI
Solucin posible o factible de un problema de programacin lineal es todo vector de
R
ll
que satisfaga las restricciones.
El conjunto S, de las soluciones posibles, es convexo y cerrado por ser interseccin de
semiespacios cerrados. Si alguna condicin de vnculo es una ecuacin, en tal interseccin
inteIYiene un lperplano, que es convexo y cerrado.
DefillicilI
Solucin ptima es una solucin posible que optimiza (minimiza en este caso) la
funcin objetivo.
Propiedad
Si un hiperplano caracteriza el ptimo de la funcin objetivo, entonces tal hiperplano no
tiene puntos interiores al conjunto de soluciones posibles.
En efecto, sea e' x k la ecuacin del hiperplauo 11 asociado al mnimo de la funcin
objetivo f (X) = e' X, y supongamos que existe un punto Po en 11, que es interior al conjunto
S de soluciones posibles.
Por definicin de punto interior, existe > O, tal que
S (Po ,)CS
El punto
pertenece a S, ya que es un elemento de la esfera abierta de centro Po Y radio , pues
d(PO,P
1
)= 11 PI
3
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

SOLUCIONES OPTIMAS y PUNTOS EXTREMOS
353
El vector PI verifica, adems
ee'e
311 ell 3
lo que es contradictorio con la hiptesis de que la funcin objetivo alcanza el mnimo en Po.
En consecuencia, podemos afinnar que un hiperplano correspondiente a una solucin
ptima es un hiperplano soportante de S en el punto de solucin ptima.
10.8.3. Soluciones ptimas y puntos extremos
Propiedad
La funcin objetivo toma el valor ptimo en un punto extremo del conjunto de
soluciones posibles. Si toma dicho valor en ms de un punto extremo, entonces lo toma en
toda combinacin convexa de tales puntos.
Consideremos un problema genrico de Programacin Lineal, consistente en maximizar la
funcin objetivo
[(X) e' X
sujeta a un nmero finito de restricciones del tipo habitual. Entonces S admite un nmero
finito de puntos extremos, y se identifica con el poliedro convexo generado por ellos. Es
decir, S es el casco convexo de sus puntos extremos, y por consiguiente toda solucin posible
puede expresarse como combinacin convexa de los mismos.
Sean PI, P
z
, ... , P
k
los puntos extremos, y sea Po un punto de solucin ptima, es decir,
que maximiza la funcin objetivo.
Se verifica que
P e S=> [(P) <[(Po)
Debemos probar que existe un punto extremo, en el que [toma el valor [(Po). eomo
Po f S, se tiene
La funcin
definida por
k
Po = (Xi Pi con O<Ci
i::::l
[:R"-+R

k

i=l
es una trasfonnacin lineal, y en consecuencia
k
[(Po) aJ(P,) (1)
Consideremos
[(PO) ([(P,) / i 1,2, ... , k)
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

354 CONVEXIDAD. PROGRAMACION LINEAL
Como p* es un punto extremo de S, y f tOffi.a el mximo en Po, es
(PO) <(Po) (2)
Por definicin de mximo se tiene
(P*);;;'(P;) 1,2, . .. ,k
Entonces
OIf(P*);;;'OIf(P,) .. . ,k
Realizando la sumatoria respecto de i, es
o sea
k
Como (Xi = 1, resulta
1=1
De (1) Y (3) se deduce
k k
OIJ(P*);;;' OIf(P,)
,:::::1 1=1
k k
(PO) 01, ;;;, OIf(P,)
i=1 1=1
k
(PO) ;;;'.L OIf(P,) (3)
1=1
(P*);;;' f(P
o
)
De esta relacin y de (2), por la antisimetria, se verifica que
(Po) (PO)
Es decir, existe un punto extremo, P*, en el cual la funcin objetivo toma el valor
mximo.
Supongamos ahora que alcanza el ptimo en dos puntos extremos distintos y sean stos
P, y PI' Entonces
(P,) (PI) M
Consideremos una combinacin convexa
P t Pj + (l t) ",
Como

queda probado que el valor ptimo es alcanzado en el punto P. lJ.ue es combinacin convexa
deP,yP
I

10.8.4. Observacin
Sabemos, por 10.6.2., que todo conjunto convexo, cerrado y acotado por debajo tiene
puntos extremos en cada hiperplano soportante. El conjunto de soluciones posibles de un
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

SOLUCIONES OPTIMAS y PUNTOS EXTREMOS 355
problema de Programacin Lineal es convexo, cerrado y acotado por debajo por el vector
nulo, ya que X;;' O. El teorema anterior asegura que si existe ptimo de la funcin objetivo,
tal valor es alcanzado al menos en un punto extremo. En R
n
S tiene un nmero finito de
puntos extremos.
E! problema se reduce entonces a examinar el valor de la funcin objetivo en los puntos
extremos, a fin de hallar el ptimo. El mtodo Simplex permite determinar analticamente
los puntos extremos y pasar de uno a otro analizando el valor de 1, hasta obtener el ptimo.
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

TRABAJO PRACTICO X
10-6_ !(x,x,)R' / Ixl< 1 /1 1) u 1(2,1)1
Detenninar la frontera y el derivado de A_
10-7. Dados los siguientes subconjuntos de R
2
{(x,x,)/2xl
B= I (X,X2)/X > 1 /IX,
/lx2>11
clasificar los puntos del plano respecto de ellos, determinar sus fronteras y derivados e
investigar si son abiertos o cerrados.
10-8. Demostrar que un conjunto A e R
n
es cerrado si y slo si su complementario es
abierto.
10-9. Demostrar que un hiperplano es un conjunto cerrado.
10-10. Investigar si los conjuntos de los ejercicios 10-6 y 10-7 son convexos o no.
10-11. Demostrar que la unin de una familia numerable de abiertos es un conjunto abierto.
10-12. Demostrar que la interseccin de una familia finita de abiertos es un conjunto abierto.
10-13. Demostrar que la interseccin de una familia numerable de cerrados es un conjunto
cerrado, y que la unin de una familia finita de cerrados es un conjunto cerrado.
10-14. Determinar el casco convexo generado por los puntos (1,2), (1, -1), (1, 3), (-1,1),
(-1, 2), (2, 3), (-1, -1), (1, O). Investigar si (O, O) es combinacin convexa (1, -1) Y
(-1,1).
10-15. Seaf: R
n
-+ R" la traslacin definida por f(x) x + a, donde a R".
Demostrar que
S es convexo => feS) es convexo
10-16. Demostrar que el conjunto solucin del sistema lineal A X B, donde A R
OX
",
B R
nx1
y X R
I1X1
,es convexo.
10-17. Sea e e R". Por definicin
e es un cono '* x e =o> a:: x e 1\ a:: > o
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

r
!
TRABAJO PRACTICO X
Demostrar que si A e R
n
, entonces el conjunto
C= I Cf.X/Cf.?>O A xeA l
es un cono. e recibe el nombre de cono generado por A.
10.18. Detenninar el cono C e R' generado por la interseccin de
A, = (X"X2,X,)/Xj + x ~ <21
y el plano de ecuacin x, = 2.
1019. Sabiendo que C es un cono, demostrar que
C' = -x / x e C I
es un cono. C- recibe el nombre de cono opuesto de C.
1020. Demostrar que si e es un cono, entonces
es un cono, el se llama cono ortogonal a C.
1021. Demostrar que el cono ortogonal al cono e e R
n
es un subespacio de R
II
,
JO22. Sean los conos C, y C
2
. Demostrar que
C=C, +C
2
= I x+y/xeC, A yeC
2
l
es un cono,
1023. Plantear el siguiente problema de programacin lineal:
357
Un mezclador de licores importa licores de tres grados: A, B Y C. Mediante mezclas de
stos, atenindose a las indicaciones especificadas en la tabla siguiente, obtiene tres
productos finales: L, M Y N.
Mezcla Especificacin Precio de venta
por litro
L No menos del 60 % de A 68 $
No ms del 20 % de C
M No ms del 60 % de C 57 $
No menos del 15 % de A
N No ms del 50 % de C 45 $
Las disponibilidades de los tres licores bsicos y sus costos son
J
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m

358
CONVEXIDAD. PROGRAMACJON LINEAL
licor Disponibilidad mxima Costo por litro
mensual en litros
A 6.000 63 $
B 7.500 45 $
C 3.600 36 $
El mezclador desea saber cunto debe producir de los licores L, M Y N, a fin de maxi.
mizar sus ganancias.
/024. Una mquina de fabricar papel produce rollos de 82 cm de ancho. Se han recibido los
siguientes pedidos:
60 rollos de 58 cm
85 rollos de 26 cm
85 rollos de 24 cm
50 rollos de 23 cm
Plantear el problema de cmo cortar los rollos de 82 cm, a fin de satisfacer los pedidos
y minimizar el desperdicio.
<
w
w
w
.
M
a
t
e
m
a
t
i
c
a
1
.
c
o
m