IN770 - Modelos y Algoritmos de Optimizacin

Cristin Veloso
Departamento Ingeniera Industrial
Facultad de Ciencias Fsicas y Matemticas
P1) 1.12.

18393837-1

Para solucionar el problema las variables de decisin deben ser cual ser el centro de la
bola y que tan largo puede ser el radio, de esta forma se podra escribir un problema del
tipo:

Max r
s . a.

ai ' ( y +dr ) b i i=1. . m, d direcciones posibles

r 0, y R N
Claramente esta formulacin falla, pues existen infinitas direcciones que se tendran que
testear, sin embargo se puede aprovechar el hecho de que la distancia ms corta entre un
punto y una recta o hiperplano es la recta que atraviesa perpendicularmente al hiperplano,
por lo que se podran testear slo las direcciones perpendiculares a las restricciones(en
esta direccin es dnde primero se viola cada restriccin).
Notemos que el vector

ai

es perpendicular a la restriccin i, pues supongamos que

existen 2 puntos x e y que cumplen la restriccin i con igualdad, entonces se tiene que

ai ' x=bi y ai ' y=bi

Entonces

ai ' xai ' y=0 ai ' ( x y )=0

ai es perpendicular a x-y que tiene la direccin del hiperplano, por lo que dividindolo por
su mdulo obtenemos la direccin requerida.
De esta manera el problema quedara cmo:

Max r
s . a.

IN770 - Modelos y Algoritmos de Optimizacin

Cristin Veloso
Departamento Ingeniera Industrial
Facultad de Ciencias Fsicas y Matemticas

18393837-1

|ai| r
a
y+ i

ai '
r 0, y R N

P2) 1.13.
Se desea encontrar una rutina que solucione el problema utilizando la programacin
lineal. El inconveniente es que la funcin objetivo no es lineal, sin embargo como se
tienen cotas de esta, se puede linealizar el problema escribiendo la funcin objetivo como
una restriccin de la siguiente manera.

c' x+ d
U
f ' x+g
Con U como una constante que est dentro del intervalo de valores de la funcin objetivo,
que se ir modificando cada vez que se resuelve el problema. Dado que el denominador
es positivo por una restriccin del problema original se puede pasar multiplicando hacia el
otro lado sin ningn problema de signos obteniendo:

c ' x +d U ( f ' x + g)
De esta forma el problema queda como:
Min constante ahora slo nos interesa factibilidad del problema
s.a.

Ax b
f ' x+ g> 0

IN770 - Modelos y Algoritmos de Optimizacin

Cristin Veloso
Departamento Ingeniera Industrial
Facultad de Ciencias Fsicas y Matemticas

18393837-1

c
( ' U f ) x U gd

'

De este modo la secuencia para solucionar el problema es partir con un U que est en el
intervalo [L,K], por ejemplo el punto medio. Luego se tienen dos casos:
1. El problema es infactible con ese U: entonces U es cota inferior de la funcin
objetivo del problema original.
2. El problema es factible con ese U: entonces U es cota superior de la funcin
objetivo del problema original.
Luego para la siguiente iteracin se debe elegir otro U perteneciente al nuevo intervalo
creado con las nuevas cotas. As se puede iterar infinitamente hasta obtener una
precisin satisfactoria.
Parece bastante eficiente elegir U siempre como el punto medio de los nuevos
intervalos creados.

P3) 2.13
Sea P un poliedro en

RN

acotado,

a un vector en

RN

y b un escalar, se define Q

como:

Q={ x Pa' x =b }
PDQ: cada punto extremo de Q es un punto extremo de P o una combinacin convexa de
dos puntos extremos adyacentes de P.
Supongamos x es punto extremo de Q, entonces x es S.B.F. de Q, es decir tiene al menos
n restricciones activas, separemos en los casos en que tiene ms de n restricciones
activas y exactamente n.
1) En caso de tener ms de n restricciones activas entonces x es tambin S.B.F. de
Q, pues tendra una restriccin activa menos (ax=b), pero seguiran siendo n o
ms, por lo tanto sera punto extremo.
2) Se tienen exactamente n restricciones activas, en ese caso x no sera S.B.F. de P,
pues tendra n-1 restricciones activas en ese punto, sin embargo se puede elegir

IN770 - Modelos y Algoritmos de Optimizacin

Cristin Veloso
Departamento Ingeniera Industrial
18393837-1
Facultad de Ciencias Fsicas y Matemticas
una direccin d ortogonal a todas las otras restricciones para moverse, haciendo
que las n-1 restricciones sigan estando activas.
De esta manera podemos movernos en d hacia ambos sentidos generando las
variables:

+=x+ d
x

=x d
x
Ocupando que P es acotado sabemos que existir un

que activarn

una nueva restriccin, con lo que se llegara a las n restricciones L.I. para que sean
S.B.F., claramente estas son adyacentes pues tienen todas las restricciones
activas iguales excepto 1.
Finalmente Dado que x es colineal con

+
x

sabemos que los podemos

escribir como combinacin convexa de ambos puntos.

P4) 2.22
a) Supongamos un poliedro K definido por las siguientes restricciones,

A p x bp
A Q y b q
x+ y=z

x, y ,z R

IN770 - Modelos y Algoritmos de Optimizacin

Cristin Veloso
Departamento Ingeniera Industrial
18393837-1
Facultad de Ciencias Fsicas y Matemticas
Proyectando este poliedro a la variable z, obtenemos el poliedro P+Q (son slo los z que
cumplen estas restricciones), y la proyeccin de un poliedro es un poliedro(corolario 2.4
del Bertsimas).
b) Mostrar que cada punto extremo de
con un punto extremo de

P+Q es la suma de un punto extremo de

Q .

Supongamos que existe un punto extremo de

extremos de

P+Q , que es la suma de puntos no

P y Q .

Es decir existe q*=x*+y* que es punto extremo, pero x* o y* no son puntos extremos de P
o Q respectivamente.
Supongamos que x* no es punto extremo (el caso en que y* es punto extremo y no se
impone nada sobre x* claramente es anlogo), entonces puede ser escrito como
combinacin convexa de dos puntos pertenecientes a P:

x =x 1+(1+) x 2 con 0< <1 y x 1 , x 2 P

Veamos que se pueden formar los puntos pertenecientes a

P+Q :

q1 =x1 + y
q 2=x2 + y
Adems:

q1 + q2 (1+ ) =

x
x

1+ x
= x + y =q

(1+ )( 2+ y )= x 1+
( 1+ y )+

Lo que es claramente una contradiccin al supuesto inicial de que

era punto

extremo, pues si es punto extremo no puede ser combinacin convexa de otros puntos del
poliedro.

IN770 - Modelos y Algoritmos de Optimizacin

Cristin Veloso
Departamento Ingeniera Industrial
Facultad de Ciencias Fsicas y Matemticas

18393837-1