REPASO DE ALGEBRA LINEAL 2.1.

Formulacin Estandarizada de un Problema Lineal Hemos formulado ya algunos problemas de optimizacin como problemas lineales; max sa (P)

j=1 n aijxj j=1 n aijxj j=1 n aijxj= j=1 x

j

cjxj

bi bi bi 0

i=1;...; r i=r+1; ...; s i=s+1; ...; m j=1; ...; n

introduciendo variables de holgura Xn+i con i=1 hasta r y variables superfluas Xn+1 con i=r+1 hasta S; se puede reescribir el problema en forma estandarizada. n max cjxj j=1 n sa i=1;...; r aijxj+ xn+i= bi j=1 n (P') aijxj- xn+i= bi i=r+1; ...; s j=1 n i=s+1; ...; m aijxj= bi j=1 x 0 j=1; ...; n xn+i 0 i=1; ...; s
j

Proposicin 1.(x1* ;...; xn* es una solucin factible de (P) si y slo si (x1 ;...;xn*; xn+1* ;...;Xn+s*)es una solucin factible de P'. Ejemplo 1 Min Z = 26x1 + 30x2 + 20x3 + 1000x1 + 1000x2 + 1000x3 + 4.5x1 + 5.0x2 + 4.0x3 + 10x2 + 6x3 40x1 + 40x1 + 10x2 + 6x3 x1;x2;x3;x4 0 8x4 x4=1000 x4 4.5 32.5 55.0

Min Z =

26x1 + 30x2 + 20x3 + 1000x1 + 1000x2 + 1000x3 + 4.5x1 + 5.0x2 + 4.0x3 + 10x2 + 6x3 40x1 + 40x1 + 10x2 + 6x3 x1;x2;x3;x4;s1;s2;s3 0

8x4 x4=1000 x4 - s1 4.5 - s2 32.5 + s3 55.0

2.2. Notacin Matricial Para facilitar la escritura vamos a utilizar en esta materia la notacin matricial. Entonces el problema estandarizado se escribe de la siguiente manera: Max cx S.a donde: Ax = b x 0

A es una matriz mxn con el elemento aij en la lnea i y la columna j. b = (b1 ... bm)Tes un vector columna. X = (x1 ...xn)T es un vector columna. C = (c1... cn)T es un vector lnea. Vamos a utilizar ar = (ar1 ... arn) = fila de A y as = (a1s... ams)T la columna s de A.

2.3. El Problema a Resolver Vemos ahora que el problema de programacin lineal se reduce al problema de encontrar una solucin del sistema de igualdades lineales Ax = b con las restricciones adicionales: i) X >= 0 ii)El objetivo es maximizar cx. Pero veremos inmediatamente que la resolucin de Ax=b es ms de la mitad de la batalla. 2.4. Resolucin de un Sistema de Igualdades Lineales: (1) Ax = b recordemos la siguiente propiedad importante: Proposicin 2: Si P es una matriz regular m x m; es decir; ssi r(P) = m (mn) ssi las columnas de P son linealmente independientes ssi det (P) 0 ssi P-1 existe entonces {x:Ax=b} = {x: PAx =Pb}.

Prueba Si Ay = b; PAy = Pb. Entoces {x: Ax=b} {x: PAx =Pb}. Si PAy=Pb; y como P-1 existe; P-1PAy = P-1Pb; es decir Ay = b y {x:PAx = Pb} {x: Ax = b} que es lo que queramos demostrar. Todas las transformaciones de ecuaciones lineales que vamos a observar a continuacin corresponden de la multiplicacin a la izquierda por una matriz regular. Diremos que hemos resuelto el sistema (1) si o bien a) se puede mostrar que no existe ningn vector x tal que Ax=b; o bien b) hemos puesto el sistema en forma cannica (de base); es decir hemos encontrado una particin (B;N) de A con las variables correspondientes xB y xN y podemos escribir el sistema en la forma (2) xB+NxN=b

con la propiedad de que x es una solucin de (1) ssi x es una solucin de (2). Observacin 1 Dada la respresentacin cannica (2); se obtienen todas las soluciones dando valores arbitrarios a XN. Ejemplo 2 1 2 2 4 (1) 7x1 +4x2 +24x3 = 8 (2) x1 + 4x3 = 0 x2 - x3 = 2 4 0 x = (x1; x2; x3); xB = (x1; x2); xN =(x3); N = -1; b = 2 Es que y =(-8; 7; 2) es una solucin de (1)? No. La nica x1 0 4 -8 solucin con y3=2 es x2 = 2 - -12 = 4 ; es decir y=(-8; 4; 2). 2.5 Tranformaciones de AX=b que no Cambian el Conjunto de Soluciones Hace un momento habamos mostrado una transformacin pero sin explicarla o justificarla. DEFINICION TRANSFORMACIONES ELEMENTALES DE FILAS i) P1(r;) reemplazar arX=br por arX=br (0) ii) P2(j;r;) reemplazar ajX=bj por ajX + arX= bj + br (0)

Porposicin 3. Las transformaciones elementales de filas P1 y P2 no cambian el conjunto de soluciones de (1). iii) Un pivoteo Definicin. Un pivoteo es una srie de m transformaciones elementales caracterizada por una fila r y una columna s. El coeficiente ars es el pivote. Un pivoteo es posible si ars0 1 a) Hacer la transformacin P1r;a rs b) Para j= 1; 2; ...; m; jr; hacer las transformaciones sucesivas P2(j;r;-ajs). Proposicin 4. Por una serie finita de (m) pivoteos se puede encontrar la solucin de un sistema lineal. Prueba. Por la proposicin 3; el sistema es equivalente a (1). La construccin del siguiente teorema mostrar el resto. Teorema 1. Despus de km pivoteos se llega a un tableau de la forma siguiente:
X B + N X N = b1

filas 1; 2; ...; k filas k+1; ... m

0 X B + 0 X N = b2

a) Si k = m; tenemos una solucin cannica (bsica) b) Si k<m y b2 = 0; hay (m-k) ecuaciones superfluas en el sistema original (1)
X B + N X N = b1 es una solucin cannica.

c) Si k<m y b2 0; no hay solucin.

Ejemplo 3. (Eliminacin de Gauss-Jordan) Pivoteo P(r;s) 1 P1r;a normalizar la fila r para obtener 1 en la columna s. rs

P2(j;r;-ajs) aumentar un mltiplo de la fila r a la fila j para obtener 0 en la fila j; columna s. 1 0 0 1 0 0 400 2 1 1 0 1 0x = 1000 2 2 1 0 0 1 1600 Pivoteo 1: a11 0. Haremos el pivoteo P(1;1) 1 0 0 1 0 0 400 0 1 1 -2 1 0x = 200 0 2 1 -2 0 1 800 Pivoteo 2: a22 0. Hacemos el pivoteo P(2;2) 1 0 0 1 0 0 400 0 1 1 -2 1 0x = 200 0 0 -1 2 -2 1 400 Pivoteo 3: a33 0. Hacemos el pivoteo P(3;3) P1(3; -1) da: 1 0 0 1 0 0 400 0 1 1 -2 1 0x = 200 0 0 1 -2 2 -1 -400 P2(2;3;-1) da: 1 0 0 1 0 0 400 0 1 1 -2 1 0x = 600 0 0 1 -2 2 -1 -400 Tenemos entonces el sistema escrito en forma cannica: x1 x2 x3 = 400 -x5 = 600 -2x4 +2x5 -x6 = -400 + x4 (1)

Observacin 2. El tableau original (1) est tambin en forma cannica con x4; x5; x6 como variables dependientes. Dado el tableau final; uno puede plantearse la pregunta de saber si hay manera de representar el sistema con xB = (x1;x2;x4) como variables dependientes. Dicho de otra manera; queremos reemplazar x3 por x4. i) Esto es posible ssi a34 0 en el tableau final.

ii) Para hacerlo basta hacer el pivoteo P(3;4) y obtendremos:

1 1 0 1 -2 2 x = 200 600 0 1 0 0 -1 1 1 1 200 0 0 -2 1 -1 2 1 0

2.6 Matrices elementales matrices de pivoteo 1 P1r;a Multiplicacin a la izquierda por la matriz rs

1 1 1 1 ars 1

P2(j;r;-ajs) Multiplicacin a la izquierda por al matriz: 1 0 1 0 1 0 1 -ajs 1 0 1

P(r;s) Multiplicaci na la izquierda por la matriz: 1 a - a1s rs a2s 1 -a rs ajs 1 -a rs 1 ars a - aks 1 rs ams -a 1 rs

Conclusiones Hemos comenzado con el sistema Ax = BxB + NxN = b. Por una serie de pivoteos llegamos a la forma cannica Pr ... P1 Ax = Pr ... P1 b. Si hacemos Q= Pr ... P1; tenemos QBxB + QNxN = Qb y _ _ xB + NxN = b1 Proposicin 5. B-1 = Pr ... P1; = B-1b; = B-1N. Teorema 2. Dado un sistema lineal Ax (= BxB + NxN ) = b (sin ecuaciones superfluas; y con _ _ una solucin; es decir r(A) = m) su solucin en forma xB + NxN = b es equivalente a la multiplicacin a la izquierda por B-1 = Pr ... P1 donde las P son las matrices de pivoteo. Ejemplo 3. (Cont.) 1 -2 1 P = P(1;1) = 1 -2
1

1 0 1 P = P(2;2) = -2 1
2

0 1 1 1 P = P(3;3) = -1
3

P4 = P(4;4) =

1 2 1 0 1 - 2

 Finalmente B = (a1;a2;a4); B-1=P4P3P2P1 =

1 1 -2 0 -1 1 1 1 -1 2 0

Corolario. Las matrices de pivoteo y la matriz B que permiten obtener el sistema en forma cannica son regulares Notacin. Sea xB + B-1 NxN = B-1 b un tableau cannico para (1). Llamamos a B una base. Llamamos a la solucin (xB;xN) = (B-1 b;0) la solucin bsica (que corresponde a la base B) A partir de ahora; una solucin bsica ser factible si B-1 b0 (para satisfacer x0). Importante. El orden de las columnas de una base es muy importante. Observacin til Si escribimos el sistema Cx + Is = b en otra forma cannica multiplicando por B-1; obtenemos B-1Cx + B-1s = B-1 b Encontramos la inversa de b en forma explcita en el tableau final.