Introduccin.El concepto de conjunto convexo es fundamental en el estudio de la
Programacin Matemtica porque permite obtener resultados tericos importantes. Dentro de la Programacin Matemtica tienen mucha importancia los problemas convexos, donde las variables de decisin pertenecen a un conjunto convexo y la funcin objetivo es una funcin convexa, dado que el teorema fundamental de la programacin convexa nos asegura que todo ptimo local es un ptimo global. Idea de conjunto convexo.Un conjunto S de puntos es un conjunto convexo si todos los puntos del segmento de recta que une a cualquier par de puntos del conjunto tambin pertenecen al conjunto S. Para comprender mejor la definicin de conjunto convexo debe tenerse en cuenta que dados dos puntos x1 y x2, los puntos x1 + (1) x2 con 0 1 corresponden justamente con los puntos del segmento que une x1 y x2. Ejemplos de conjuntos convexos:
Ejemplos de conjuntos no convexos:
Hecho N 1: La regin factible de cualquier programa lineal es siempre un
conjunto convexo. Debido a que todas las restricciones son lineales, la regin factible (R.F.) es un polgono. Adems, este polgono es un conjunto convexo. En cualquier problema de PL que tenga ms de dos dimensiones, los lmites de la regin factible son partes de los hiperplanos, y la regin factible en este caso se denomina poliedro y tambin es convexa. Un conjunto convexo es aquel en el cual si se eligen dos puntos factibles, todos los puntos en el segmento de la lnea recta que une estos dos puntos tambin son factibles. La prueba de que la regin factible de los programas lineales son siempre conjuntos convexos surge por contradiccin. Las siguientes figuras ilustran ejemplos de los dos tipos de conjuntos: un conjunto no convexo y un conjunto convexo.
El conjunto de la regin factible en cualquier programa lineal se
denomina poliedro y si est acotado se denomina politopo. Hecho N 2: El valor iso de una funcin objetivo de un programa lineal es siempre una funcin lineal. Este hecho surge de la naturaleza de la funcin objetivo de cualquier problema de PL. Las siguientes figuras ilustran las dos clases tpicas de funciones objetivo de igual valor (funcin iso).
De la combinacin de los dos hechos expresados arriba surge que si un
programa lineal tiene una regin factible acotada no vaca, la solucin ptima es siempre uno de los puntos extremos. Para superar la deficiencia del mtodo grfico, utilizaremos esta conclusin til y prctica en el desarrollo de un mtodo algebraico aplicable a problemas de PL multidimensionales. La convexidad de la regin factible de los programas lineales facilita la resolucin de problemas de PL. Debido a esta propiedad y a la linealidad de la funcin objetivo, la solucin es siempre uno de los vrtices. Asimismo, dado que la cantidad de vrtices es limitada, todo lo que debemos hacer es buscar todos los vrtices factibles y luego evaluar la funcin objetivo en dichos vrtices para encontrar el punto ptimo. En el caso de programas no lineales, el problema es mucho ms difcil de resolver porque la solucin podra estar en cualquier parte dentro de la regin factible, en el lmite de la regin factible o en un vrtice. Por suerte, la mayora de los problemas de optimizacin empresarial son lineales y es por eso que la PL es tan popular. Hoy en da, existen ms de 400 paquetes de software en el mercado para resolver problemas de PL. La mayora se basa en la bsqueda de vrtices. Esto equivale a pasar de un vrtice a otro cercano en busca de un punto ptimo.