1.
-actividad de matemática
Trabajo
Tema: inecuaciones en dos variables
1.-Que es función optimizar
Optimización es una rama de las matemáticas que trata de maximizar o minimizar una
función. Dicha función vendrá representada por un enunciado, de este hay que sacar
tanto la función como las relaciones que existen entre ellos. Del enunciado no
sacaremos solo una función, es decir, sacaremos varias funciones de una misma
variable y las relacionaremos entre ellas. Estos problemas son comunes para ver por
ejemplo la cantidad de material que necesitas para acotar una superficie, ver el
máximo o el mínimo de un área o un volumen, etc.
Factores a tener en cuenta
Para llevar a cabo la optimización de una función tenemos que tener en cuenta
algunos factores:
La función debe ser continua en todos aquellos puntos que sean conflictivos
para la función (una valor que haga cero un denominador, uno que haga que la
función no exista en ese punto, etc).
Al cumplirse el factor anterior tenemos que dicha función será derivable, por lo
que podemos seguir con el desarrollo de la optimización.
También es necesario que la función tenga una segunda derivada para
comprobar si se cumple el objetivo de este tipo de problemas, hallar el mínimo
y el máximo de la función.
Historia
Pierre de Fermat y Joseph Louis Lagrange encontraron fórmulas basadas en el
cálculo para identificar valores óptimos. Isaac Newton y Carl Friedrich Gauss, a
su vez, propusieron métodos iterativos para aproximar el óptimo.
Históricamente, el término programación lineal para referirse a ciertos
problemas de optimización se debe a George B. Dantzig, aunque gran parte de
la teoría había sido introducida por Leonid Kantorovich. Dantzig publicó el
Algoritmo símplex en 1947 y John von Neumann desarrolló la teoría de la
dualidad en el mismo año.
El término programación se refiere al programa usado por el ejército de
Estados Unidos que afectaba a la propuesta de entrenamiento y planificación
logística, un tema considerado en esa época.
2.- Que es inecuación lineal de dos variables
Un sistema de inecuaciones lineales con dos incógnitas es un conjunto de
inecuaciones lineales con una incógnita.
Una solución de este tipo de sistemas es un punto del plano que satisface todas
las inecuaciones simultáneamente
. Una inecuación en dos variables es una inecuación que puede ser escrita
como:
ax+by<c
o cualquier expresión de la forma anterior que, en lugar del símbolo < incluya
cualquier otro símbolo de desigualdad: > , ≤ o ≥
donde a, b y c son constantes y x y y son variables. Resolver una inecuación en
dos variables consiste en encontrar todos los pares de valores de (x,y) para los
cuales se cumple la desigualdad.
Tal como vimos en el tutorial de ecuaciones lineales en una dimensión, cuando
intercambiamos el signo de desigualdad por el signo igual, obtenemos una
ecuación que viene a ser la frontera de la solución de la desigualdad. Por
ejemplo, consideremos la siguiente desigualdad: y < x .
Cambiando el signo < por el signo = obtenemos la ecuación: y = x . La gráfica de
esta ecuación es una recta que divide el plano en dos regiones como se
muestra en la siguiente figura:
Tomemos un punto cualquiera en la región roja, por ejemplo el punto (1,-1).
Donde x=1 y y=-1. Como -1<1, este par de valores satisface la desigualdad: y < x
.
Tomemos otro punto en la región roja, por ejemplo el punto (2,1). Donde x=2 y
y=1. Como 1<2, este par de valores satisface la desigualdad: y < x .
Trata de encontrar un punto en la región roja tal que y > x . Verás que no es
posible conseguir un punto que cumpla esas condiciones.
En conclusión, cualquier punto de la región roja satisface la desiguldad y < x .
3.-Que es región factible
En optimización matemática, una región factible, un conjunto factible, un
espacio de búsqueda o un espacio de solución es el conjunto de todos los
puntos posibles (conjuntos de valores de las variables de elección) de un
problema de optimización que satisface las restricciones del problema,
incluyendo potencialmente desigualdades, igualdades y restricciones enteras.1
Este es el conjunto inicial de posibles soluciones al problema, antes de que se
haya reducido el conjunto de candidatos.
En muchos problemas, el conjunto factible refleja una restricción de que una o
más variables deben ser no negativas. En problemas de programación de enteros
puros, el conjunto factible es el conjunto de enteros (o algún subconjunto del mismo).
En los problemas de programación lineal, el conjunto factible es un politopo convexo:
una región en el espacio multidimensional cuyos límites están formados por
hiperplanos y cuyas esquinas son vértices.
La satisfacción de restricciones es el proceso de encontrar un punto en la región
factible.
Conjunto factible convexo
En un problema de programación lineal, una serie de restricciones lineales
produce una región factible convexa de valores posibles para esas variables. En
el caso de dos variables, esta región tiene la forma de un polígono simple
convexo.
Un conjunto factible convexo es aquel en el que un segmento de línea que
conecta dos puntos factibles cualesquiera pasa solo por otros puntos factibles,
y no por puntos fuera del conjunto factible. Los conjuntos factibles convexos
surgen en muchos tipos de problemas, incluidos los problemas de
programación lineal, y son de particular interés porque, si el problema tiene
una función objetivo convexa que debe maximizarse, generalmente será más
fácil de resolver en presencia de una función de conjunto factible convexo y
cualquier óptimo local también será un óptimo global.
Ningún conjunto factible
Si las restricciones de un problema de optimización son mutuamente
contradictorias, no hay puntos que satisfagan todas las restricciones y, por lo
tanto, la región factible es el conjunto nulo. En este caso, el problema no tiene
solución y se dice que es inviable.
4.-Que es una vértice de una región factible
Frontera de la región factible está determinada por las rectas que definen las
restricciones.
Vértices o puntos extremos son cada uno de los puntos de intersección de
dichas rectas asociadas a las restricciones. Para calcular las soluciones de cada
vértice se resuelve el sistema de ecuaciones de las dos rectas que concurren en
dicho vértice.
La solución óptima es aquella que maximiza o minimiza la función objetivo; se
encuentra siempre en la frontera de la región factible. Si la solución es única, la
solución óptima se encuentra en alguno de los vértices o puntos extremos de
dicha región.
Utilizamos dos métodos: Método analítico
Se representa gráficamente la región factible.
Se halla los valores de en cada uno de los vértices de la región factible.
Si se trata de maximizar, el vértice que haga mayor la función objetivo f(x,y) es
la solución; si hay dos vértices consecutivos en los que f(x,y) toma el mismo
valor máximo => hay infinitas soluciones (todos los infinitos puntos del
segmento que une dichos puntos)
Si tenemos que minimizar es exactamente igual, pero será el vértice que haga
menor f(x,y).
Método gráfico:
Sea f(x, y) = ax + by + c la función objetivo, se llaman rectas de nivel
asociadas a la función objetivos a rectas de la forma ax + by = k, donde k es un
número real que varía.
Las rectas de nivel son rectas paralelas (los coeficientes a y b determinan su
pendiente); variando k tenemos las distintas rectas de nivel.
La función objetivo toma el mismo valor en todos los puntos de cada recta de
nivel
NOTA: Si los coeficiente a y b de la función objetivo (que determinan su
pendiente)
son del mismo signo (pendiente negativa), a medida que aumenta k la función
objetivo también aumenta, mientras que si son de distinto signo (pendiente
positiva) la función objetivo disminuye.
5.- Que es variable de decisión
Muestra cómo declarar y utilizar variables en el lenguaje de OPL.
Una variable de decisión es un elemento desconocido de un problema de
optimización. Tiene un dominio, que es una representación compacta del
conjunto de todos los valores posibles de la variable. Los tipos de variables de
decisión son referencias a objetos cuya naturaleza exacta depende del
optimizador subyacente de un modelo. Se puede crear una instancia de una
variable de decisión sólo en el contexto de una instancia de modelo
determinada.
La finalidad de un modelo de OPL es buscar valores para las variables de
decisión tales que se satisfagan todas las restricciones o, en los problemas de
optimización, buscar valores para las variables que satisfagan todas las
restricciones y optimicen una función objetivo específica. Por lo tanto, las
variables en OPL son básicamente variables de decisión y difieren
sustancialmente de las variables de lenguajes de programación como Java y
ILOG Script.
Una declaración de variable de decisión en OPL especifica el tipo y conjunto de
posibles valores para la variable. Una vez más, las variables de decisión pueden
ser de distintos tipos (entero, flotante) y es posible definir matrices
multidimensionales de variables de decisión. La declaración declara una matriz
bidimensional de variables enteras. Las variables de decisión están restringidas
a aceptar valores del rango 0..100; es decir, cualquier solución para el modelo
que contenga esta declaración debe asignar a estas variables valores entre 0 y
100. Tenga en cuenta que todas las variables enteras requieren un rango finito
en OPL. Se pueden construir matrices de variables de decisión utilizando los
mismos conjuntos de índices como matrices de datos. En concreto, también es
posible y deseable, en el caso de problemas más grandes, indexar matrices de
variables de decisión por conjuntos finitos.
