Conjunto convexo

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.