Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
TEMA Programación lineal (parte I) 2021-2 17.1 PREUNIVERSITARIO Contenido La función objetivo: Teorema de invarianza Teorema de existencia (de soluciones óptimas) Teorema de monotonía Método analíticoMétodo geométrico Motivación: Problema de Programación Lineal (PPL): Región factible: Teorema de separación (o descomposición) I. El plano cartesiano: II. III. IV. V. Métodos para resolver un PPL:VI. Teorema de convexidad formulación matemática de una situación concreta formulación esbozo, estudio estudio Motivación:I. formulación matemática de una situación concreta 4 Una persona necesita en su dieta alimenticia (de una semana), como mínimo Proteínas Hidratos Grasas Un Kg de A contiene 2 unid. 6 unid. 1 unid. Un Kg de B contiene 1 unid. 1 unid. 3 unid. Un Kg de A cuesta S/ 600 Un Kg de B cuesta S/ 400 ¿Cuantos kilogramos de cada producto deben comprarse semanalmente para que el costo de preparar la dieta sea mínimo? 8 unidades de proteínas 12 unidades de hidratos de carbono 9 unidades de grasa. Esta dieta se obtiene mezclando los productos A y B. El contenido proteico y el costo por kilogramo de cada uno de estos productos es el que se muestra en las tablas que se adjuntan. 5 𝐱 ≥ 0 ∧ 𝐲 ≥ 0 z(x, y) = 600x + 400y Representan cantidades, son no negativas, es decir: 𝐲 kilogramos del producto A que se deben comprar kilogramos del producto B que se deben comprar 𝐱 : : las(1) Identificamos variables. función objetivo.(2) Identificamos la En este caso se trata de una función costoz: ℝ 2 → ℝ definida como lo que se nos pide hacer con la función objetivo.(3) Identificamos Se nos pide minimizarla 6 Proteínas Hidratos Grasas Un Kg de A contiene 2 unid. 6 unid. 1 unid. Un Kg de B contiene 1 unid. 1 unid. 3 unid. Proteínas Hidratos Grasas En x Kg de A hay 2x unid. 6x unid. x unid. En y Kg de B hay y unid. y unid. 3y unid. deducimos esta otra: De la siguiente tabla (da en el enunciado del problema) que existen entre las variables(4) Encontramos la relación 7 Proteínas Hidratos Grasas En un preparado de x kilos de A y 𝑦 kilo de B, respectivamente, hay: 2x + y unid. 6x + y unid x + 3y unid las variables se relacionan mediante las inecuaciones 2x + y ≥ 8 6x + y ≥ 12 x + 3y ≥ 9 Y, por ende, también esta otra Pero por datos del problema: “Las necesidades semanales mínimas de una persona” son: 8 unidades proteínas 12 unidades de hid.de carbono 9 unidades de grasa Por tanto, 8 𝐂 ∀ x, y ∈ 𝐂 z x0, y0 ≤ z(x, y) (x, y) = 600x + 400y matemáticamente el problema que se nos pide resolver.(5) Formulamos Deseamos encontrar 2x + y ≥ 8 6x + y ≥ 12 x + 3y ≥ 9 x ≥ 0 y ≥ 0 x0, y0 : el (o los) punto(s) (𝑥, 𝑦) que satisfaga(n) simultáneamente las inecuaciones De modo que La función objetivo alcance un mínimo en Es decir 𝐙 𝐙 ℝ 2 → ℝ: 𝐙 9 ¿Cómo se grafica? ¿Cómo se comporta? ¿Siempre es posible encontrar un punto en el conjunto C donde esta alcance un mínimo (o un máximo)? ¿Es único este punto? ¿Existen métodos que permitan determinar estos puntos? ¿Qué características tiene? Con respecto al conjunto Con respecto a la función Nos planteamos algunas interrogantes 𝐂 𝐙 Motivación: Problema de Programación Lineal (PPL): I. II. formulación matemática de una situación concreta formulación 11 una función z: ℝ2 → ℝ un conjunto 𝐂, de puntos x, y , que verifican simultáneamente un numero finito de las inecuaciones lineales. Definición: z(x, y) = a x b y+ función objetivo Un problema de programación lineal (PPL) en dos variables es todo problema constituido por: ≤ > ⋮ ≤ 𝐚𝟏𝐱 + 𝐛𝟏𝐲 𝐚𝟐𝐱 + 𝐛𝟐𝐲 𝐚𝐧𝐱 + 𝐛𝐧𝐲 𝐜𝟏 𝐜𝟐 𝐜𝐧 sistema de restricciones Determinan en el plano una región variables de decisión Cada par (𝐱, 𝐲) de la región admisible región factible o admisible solución factible o admisible llamada se llama se llaman hallar el punto (o los puntos) donde la función objetivo alcanza su menor y/o mayor valor. En todo PPL se desea 12 Se dice que: solución optima mínimo máximo Valor mínimo máximo de la función ∃ x0, y0 ∈ C tal que ∀ 𝐱, 𝐲 : 𝐳 x0, y0 ≤ 𝐳(𝐱, 𝐲) ≥ ∈ C ∃ x0, y0 ∈ C tal que ∀ 𝐱, 𝐲 : 𝐳 x0, y0 𝐳(𝐱, 𝐲)∈ CMaximizar Minimizar x0, y0 valor óptimo𝐳 x0, y0y Punto donde la función objetivo alcanza un es una es el Hallar las soluciones óptimas que la función objetivo 13 Ejemplo: Alcanza cuando se le restringe a la región factible delimitada por las inecuaciones z x, y = x + 2y 3x + 4y ≤ 12 2x + y ≥ 2 x ≥ 0 y ≥ 0 Motivación: Problema de Programación Lineal (PPL): Teorema de separación (o descomposición) I. El plano cartesiano: II. III. formulación matemática de una situación concreta formulación 15 L = x, y ∈ ℝ2 |𝐚x + 𝐛y = c 𝐧 = 𝐚, 𝐛Se llama Definición: a ≠ 0 o b≠ 0 es cualquier lugar geométrico constituido por puntos (x, y) que satisfacen ax + by = c Esto es, Una recta L en el plano cartesiano vector normal Su característica principal forman 90 grados sexagesimales con la recta una ecuación de primer grado: 16 ℝ2 Es una recta Es un semiplano 𝐱, 𝐲 |𝐚𝐱 + 𝐛𝐲 > 𝐜= 𝐱, 𝐲 | 𝐚𝐱 + 𝐛𝐲 < 𝐜 ∪ 𝐱, 𝐲 |𝐚𝐱 + 𝐛𝐲 = 𝐜 ∪ Es un semiplano Está del lado a donde apunta el vector −n = −a,−b Está del lado a donde apunta el vector n = a, b Una recta L: ax + by = c tres partes disjuntas:divide al plano cartesiano en (de separación o descomposición)Teorema 17 vector normal Interpretación geométrica del Teorema de separación > 𝟎 𝐧 = (𝐚, 𝐛) Cuadro (1) 18 Cuadro (2) Cuadro (3) vector normal Interpretación geométrica del Teorema de separación > 𝟎 𝐧 = (𝐚, 𝐛) 19 Cuadro (4) Cuadro (5) vector normal Interpretación geométrica del Teorema de separación > 𝟎 𝐧 = (𝐚, 𝐛) 20 Cuadro (6) Cuadro (7) Cuadro (8) vector normal Interpretación geométrica del Teorema de separación < 𝟎 𝐧 = (𝐚, 𝐛) 21 Demostremos lo que atañe al cuadro Esto hace que la recta L: ax + by = c pueda reescribirse como Demostración b ≠ 0 y = − a b x + c b Cuadro (1) 𝐧 = 𝐚, 𝐛 es tal que 𝐚 > 𝟎, 𝐛 > 𝟎 (b > 0) 22 𝐱, 𝐲 está en la dirección del vector 𝐧 = (𝐚, 𝐛) 𝐱, 𝐲 está en la dirección del vector −𝐧 = (−𝐚,−𝐛) 𝐛𝐲 < −𝐚𝐱 + 𝐜 𝐚𝐱 + 𝐛𝐲 < 𝐜 𝐛𝐲 > −𝐚𝐱 + 𝐜 𝐚𝐱 + 𝐛𝐲 > 𝐜 𝐲 > − 𝐚 𝐛 𝐱 + 𝐜 𝐛 𝐲 < − 𝐚 𝐛 𝐱 + 𝐜 𝐛 Motivación: Problema de Programación Lineal (PPL): Región factible: Teorema de separación (o descomposición) I. El plano cartesiano: II. III. IV. Teorema de convexidad formulación matemática de una situación concreta formulación esbozo, estudio La región factible delimitada por las inecuaciones lineales 24 Ejemplo: es la que se muestra en video adjunto 3x + 4y ≤ 12 2x + y ≥ 2 x ≥ 0 y ≥ 0 Esbozar la región delimitada por las inecuaciones lineales 25 Ejemplo Resolución: Graficamos por separado cada uno de los semiplanos x + y ≥ 2 2x − y ≤ 4 Intersecando los semiplanos obtenemos la región conformada por todos aquellos puntos que satisfacen ambas desigualdades 26 27 En el espacio euclídeo, A + t B − A Simbólicamente Definición: Ejemplo: Son conjuntos convexos contenido en 𝐂 (i.e. no se escapa de 𝐂). un conjunto 𝐂 se llama convexo cuando el segmento que une dos puntos cualesquiera de C está ∀ A, B ∈ C : ∀ 0 ≤ t ≤ 1 ∈ C: el conjunto vacío ℝ𝟐 ℝ𝟑 ℝ𝟒 también Teorema Si 𝐂𝟏, 𝐂𝟐, … , 𝐂𝐧, son convexos, entonces 𝐂𝟏 ∩ 𝐂𝟐 ∩⋯∩ 𝐂𝐧 también es convexo Observación La unión de conjuntos convexos no siempre es convexo ℝ2 o ℝ3 o ℝ4 o … o ℝn 28 El Teorema no descarta que dicha región sea el conjunto vacío: recuerde que el vacío es un conjunto convexo. Teorema Ejemplo: (convexidad de la región factible) Este conjunto convexo puede ser acotado o no acotado. x + 3y ≥ 3 −x + y ≤ 1 En el plano cartesiano, toda región delimitada por una cantidad finita de Inecuacionesconjunto convexoes un La región 𝐂, delimitada por las inecuaciones: no acotado convexoes un conjunto: La función objetivo: Teorema de invarianza Teorema de existencia (de soluciones óptimas) Teorema de monotonía Motivación: Problema de Programación Lineal (PPL): Región factible: Teorema de separación (o descomposición) I. El plano cartesiano: II. III. IV. V. Teorema de convexidad formulación matemática de una situación concreta formulación esbozo, estudio estudio 30 =L conjunto recta línea nivel curva de Se le llama en aquellas rectas cuyo vector normal es n = a, b Sea z x, y = ax + by una función objetivo. Entonces, esta se mantiene invariante (i.e. constante) Una recta de vector normal (invarianza de la función objetivo) Teorema x, y ∈ ℝ2 ax + by = 𝐜} Observación: n = a, b es de la forma El valor constante a lo largo de toda esta recta es Es decir: 𝐜 =𝐱, 𝐲 𝐳 x, 𝑦∈ L∀ 𝐜: 31 Ejemplo: Teorema 32 Es decir : y si fijamos una recta L1: ax + by = c1 y después de está, siguiendo el sentido del otra recta L2: ax + by = c2, entonces c1 < c2 z x, y = ax + by si (Monotonía de la función objetivo) Una función objetivo crece en la dirección del vector normal que esta genera. fijamos vector normal n = (a, b), 33 z x, y = 𝟏 x + y z x, y = 𝟎 𝒙 + y z x, y = 𝟏 x + 0y z x, y = 𝟏 x − y z x, y = −𝟏 x + y z x, y = −𝟏 x + 0y z x, y = −𝟏 x − y z x, y = 𝟎 𝒙 − y Ejemplo: Estudiemos el comportamiento de cada una de las siguientes funciones objetivo. 34 en cada recta de vector normal n = (1,1), es decir en cada recta L: x + y = c. a medida que las rectas de desplazan en la dirección del vector n = (1,1). Se mantiene constante: crece 𝐳 𝐱, 𝐲 = 𝟏 𝐱 + 𝐲 35 en cada recta de vector normal n = (1,−1) , es decir en cada recta L: x − y = c. a medida que las rectas de desplazan en la dirección del vector n = (1,−1). Se mantiene constante: crece 𝐳 𝐱, 𝐲 = 𝟏 𝐱 − 𝐲 36 en cada recta de vector normal n = (1,0), es decir en cada recta L: x = c. a medida que las rectas de desplazan en la dirección del vector n = (1,0). Se mantiene constante: crece 𝐳 𝐱, 𝐲 = 𝟏 𝐱 + 𝟎 37 en cada recta de vector normal n = (−1,1), es decir en cada recta de la forma L:−x + 𝑦 = 𝑐. a medida que las rectas de desplazan en la dirección del vector n = (−1,1). Se mantiene constante: crece z x, y = −𝟏 x + y 38 en cada recta de vector normal n = (−1,−1), es decir en cada recta de la forma L:−x − 𝑦 = 𝑐. a medida que las rectas de desplazan en la dirección de n = (−1,−1). Se mantiene constante: crece z x, y = −𝟏 x − y 39 a medida que las rectas de desplazan en la dirección del vector normal n = (−1,0). Se mantiene constante: crece z x, y = −𝟏 x + 0y En cada recta de vector normal n = (−1,0), es decir en cada recta horizontal L: x = c 40 en cada recta de vector normal n = (0,1), es decir en cada recta horizontal L: 𝑦 = 𝑐. a medida que las rectas de desplazan en la dirección del vector normal n = (0,1). Se mantiene constante: crece z x, y = 𝟎 𝑥 + 𝑦 41 Se mantiene constante: crece 𝐳 𝐱, 𝐲 = 𝟎 𝐱 − 𝐲 En cada recta de vector normal n = (0,−1), es decir en cada recta horizontal L: y = c A medida que las rectas de desplazan en la dirección del vector normal n = (0,−1) 42 Teorema (existencia de soluciones óptimas) un conjunto convexo y z toma valores mínimos y máximos en las esquinas o arista de C. C acotado Sea z x, y = ax + by una función objetivo. Y sea C delimitado por rectas. un mínimo es posible un máximo y/o No se descarta el hecho que el mínimo y/o máximo Se alcance en toda una Si nos quedamos solo con esto C acotadola condición Es decir, si quitamos no alcance que la función objetivo Pero En el caso que lo alcance Esto se da en una arista esquina O en toda una La función objetivo: Teorema de invarianza Teorema de existencia (de soluciones óptimas) Teorema de monotonía Método analíticoMétodo geométrico Motivación: Problema de Programación Lineal (PPL): Región factible: Teorema de separación (o descomposición) I. El plano cartesiano: II. III. IV. V. Métodos para resolver un PPL:VI. Teorema de convexidad formulación matemática de una situación concreta formulación esbozo, estudio estudio 44 Planteamiento del Problema convexa acotada determinar y/o identificar localizary/o los puntos donde la función objetivo alcance un mínimo máximoy/o un En la figura adjunta se aprecia una región factible: delimitada por rectas Y sea z x, y = ax + by una función objetivo definida en dicha región AnalíticoExisten dos métodos: Geométrico Deseamos 45 z(esquina1) z(esquina2) z(esquina3) z(esquina4)z(esquina5) z(esquina6) Método analítico Teorema de existencia Consiste en hacer del: Evaluamos la función objetivo en cada una de las esquina comparamos los valores obtenidos y vemos cuál es el menor valor y cuál el mayor. 46 Este consiste en hacer de los teoremas: está en la dirección del vector n y de vector normal n = a, b de modo que la región convexa quede contenida en el semiplano que la recta en la dirección del vector normal Método geométrico invarianza monotonía una recta Trazamos Desplazamos El(los) primer(os) punto(s) de contacto, entre la recta y la región, es (son) donde la función alcanza un mínimo El(los) último(s) punto de contacto, entre la recta y la región, es(son) donde la función alcanza su máximo 47 Ejemplo: En la figura adjunta se muestra una región convexa acotada Y sobre esta región se considera definida la función objetivo z x, y = x + y Determine los puntos de la región donde la función alcanza un mínimo o un máximo 48 un mínimo en el punto 1,1 un máximo en el punto 8,5 Resolución z 0,4 = 4 z 1,1 = 2 z 7,2 = 9 z 8,5 = 13 z 2,6 = 8 z 0,4 = 4 El valor mínimo es 2 este valor máximo es 13 En cada una de las esquina La función objetivo alcanza: Método analítico Evaluamos comparamos 49 está en la dirección del vector n una recta de vector normal n = 1,1 de modo que la región convexa quede contenida en el semiplano que la recta en la dirección del vector Método geométrico Trazamos Desplazamos Primer punto de corte 𝐏𝐦𝐢𝐧 = 𝟏, 𝟏 Último punto de corte 𝐏𝐦𝐚𝐱 = (𝟖, 𝟓) En este punto la función objetivo toma su menor valor z 1,1 = 2 En este punto la función objetivo toma su mayor valor z 8,5 = 13 normal Indicar el valor de verdad de las siguientes afirmaciones: 50 Ejercicio: En un P.P.L. la solución optima de existir , es única. El conjunto unitario es convexo.
Compartir