5

CA P T U L O 1
CONCE P T OS P RE VI OS



1.1.- Introduccin a la Investigacin Operativa
La Investigacin Operativa (I. O.) es la aplicacin del mtodo cientfico para asignar los
recursos o actividades de forma eficaz, en la gestin y organizacin de sistemas complejos.
El Mtodo Cientfico es un proceso de investigacin que consta de varias etapas:
de varias etapas:
i) La observacin del fenmeno.
ii) Formulacin de hiptesis
iii) Diseo experimental
iv) Anlisis de los resultados y conclusiones.

i) La observacin del fenmeno.
Se observa y se describe el proceso objeto de estudio.
ii) Formulacin de hiptesis.
Formular una hiptesis no es ms que adelantar la solucin a un problema planteado. Para
ello, se establecen posibles causas que expliquen el fenmeno estudiado, que despus habr
que confirmar experimentalmente.
iii) Diseo experimental.
Se monta un dispositivo experimental que pueda probar nuestras hiptesis.
Si hay varias variables, se controlan todas salvo la que queremos estudiar.
iv) Anlisis de resultados y conclusiones.
Los resultados obtenidos se suelen reflejar en tablas de datos y grficas. La variable
independiente se representa en abscisas y la dependiente en el eje de ordenadas.





6 Investigacin Operativa

1.1.1.- Breve historia de la Investigacin Operativa

La primera actividad de Investigacin Operativa se dio durante la Segunda Guerra Mundial
en Gran Bretaa, donde la Administracin Militar llam a un grupo de cientficos de distintas
reas del saber para que estudiaran los problemas tcticos y estratgicos asociados a la defensa
del pas.
El nombre de Investigacin Operativa fue dado aparentemente porque el equipo estaba
llevando a cabo la actividad de investigar operaciones (militares).
Motivados por los resultados alentadores obtenidos por los equipos britnicos, los
administradores militares de Estados Unidos comenzaron a realizar investigaciones similares.
Para eso reunieron a un grupo selecto de especialistas, los cuales empezaron a tener buenos
resultados y en sus estudios incluyeron problemas logsticos complejos, la planificacin de
minas en el mar y la utilizacin efectiva del equipo electrnico.
Al trmino de la guerra y atrados por los buenos resultados obtenidos por los estrategas
militares, los administradores industriales empezaron a aplicar las herramientas de la
Investigacin Operativa a la resolucin de sus problemas que empezaron a originarse debido al
crecimiento del tamao y la complejidad de las industrias.
Aunque se ha acreditado a Gran Bretaa la iniciacin de la Investigacin Operativa como
una nueva disciplina, los Estados Unidos tomaron pronto el liderazgo en este campo
rpidamente creciente. La primera tcnica matemtica ampliamente aceptada en el medio de
Investigacin Operativa fue el Mtodo Smplex de Programacin Lineal, desarrollado en 1947
por el matemtico norteamericano George B. Dantzig. Desde entonces las nuevas tcnicas se
han desarrollado gracias al esfuerzo y cooperacin de las personas interesadas tanto en el rea
acadmica como en el rea industrial.
Un segundo factor en el progreso impresionante de la Investigacin Operativa fue el
desarrollo de la computadora digital que, con sus tremendas capacidades de velocidad de
cmputo y de almacenamiento y recuperacin de informacin, permiti al individuo que tena
que tomar decisiones hacerlo con rapidez y precisin.
Si no hubiera sido por la computadora digital, la Investigacin Operativa con sus grandes
problemas de computacin no hubiera crecido al nivel de hoy en da.
Actualmente la Investigacin Operativa se est aplicando en muchas actividades. Estas
actividades han ido ms all de las aplicaciones militares e industriales, para incluir hospitales,
instituciones financieras, bibliotecas, planificacin urbana, sistemas de transporte y sistemas de
comercializacin.
Conceptos previos 7



Antecedente histrico de Investigacin Operativa
Ao Autor Tcnica desarrollada
1759 Quesnay Modelos primarios de programacin matemtica
1873 J ordan Modelos lineales
1874 Waelas Modelos primarios de programacin matemtica
1896 Minkousky Modelos lineales
1897 Harkov Modelos dinmicos probabilsticos
1903 Farkas Modelos dinmicos probabilsticos
1906 Erlang Lneas de espera
1920-1930 Koning-Egervary Asignacin
1937 Morgestern Lgica estadstica
1937 Von Neuman Teora de juegos
1939 Kantorovich Planificacin en produccin y distribucin
1941 Hithcock Transporte
1947 George Dantzing Mtodo Simplex
1947 Ao en que se dio inicio a la programacin y con
el uso de las computadoras empez a extenderse
la Investigacin de Operaciones
1950-1956 Kun-Tucker Programacin no lineal
1953 Kendall Introduce la notacin para identificar los sistemas
de colas
1954 Lemke Desarrollo del Simplex Dual
1957 Markowitz Simulacin y programacin discreta
1957 Kelly y Walker Desarrollan el mtodo CPM
1958 Richard Bellman Programacin dinmica
1958 Gomory Programacin entera
1958 Arrow-Karlin Inventarios
1959 Dijkstra Algoritmo de Ruta ms corta
1956-1962 Ford-Fulkerson Redes de flujo
1960 Raiffa Anlisis de decisiones
1960 Land y Doig Algoritmo de ramificacin y acotamiento
1962 Ford y Fulkerson Mtodo Primal-Dual
1963 Karmarkar Nared Algoritmos de punto interior
1965 Balas Algoritmo de enumeracin implcita
1968 Handy Taha Completa la notacin de Kendall agregando el
tamao de la poblacin
1984 Hopfield Red neuronal
1984 Holland Algoritmos genticos
1986 Hopfield y Tank Utilizacin de la red neuronal en la Investigacin
Operativa
8 Investigacin Operativa

1.2. Caractersticas de la Investigacin Operativa
A menudo se utiliza el trmino de Investigacin de Operaciones para referirse a la
Investigacin Operativa. Hablar de Investigacin de Operaciones es utilizar la Investigacin
Operativa para "hacer investigacin sobre las operaciones que tienen lugar en los distintos
campos de las organizaciones humanas.
Es muy notable el rpido crecimiento del tamao y la complejidad de las organizaciones
(empresas) humanas que se ha dado en estos ltimos tiempos. Tal tamao y complejidad nos
hace pensar que una sola decisin equivocada puede repercutir grandemente en los intereses y
objetivos de la organizacin y en ocasiones pueden pasar aos para rectificar tal error. Tambin
el ritmo de la empresa de hoy implica que las decisiones se tomen ms rpidamente que nunca,
pues el hecho de posponer la accin puede dar una decisiva ventaja al contrario en este mundo
de la competencia.
La palpable dificultad de tomar decisiones ha hecho que el hombre se aboque en la
bsqueda de una herramienta o mtodo que le permita tomar las mejores decisiones de acuerdo
con los recursos disponibles y los objetivos que persigue. Tal herramienta recibi el nombre de
Investigacin de Operaciones.
De la definicin de Investigacin Operativa, como veremos en el siguiente apartado,
podemos resaltar los siguientes trminos: organizacin, sistema, grupos interdisciplinarios,
objetivo y metodologa cientfica.
Una organizacin puede entenderse como un sistema, en el cual existen componentes;
canales que comunican tales componentes e informacin que fluye por dichos canales. En todo
sistema las componentes interactan unas con otras y tales interacciones pueden ser
controlables e incontrolables. En un sistema grande, las componentes se relacionan de muchas
maneras, pero no todas son importantes, o mejor dicho, no todas las interacciones tienen efectos
importantes en las componentes del sistema.
Por lo tanto, es necesario que exista un procedimiento sistemtico que identifique a quienes
toman decisiones y a las interacciones que tengan importancia para los objetivos de la
organizacin o sistema. Uno de esos procedimientos es precisamente la Investigacin de
Operaciones.
Una estructura por la que no fluye informacin no es dinmica, es decir, no podemos
considerarla como un sistema. Por lo tanto, podemos decir que la informacin es lo que da
"vida" a las estructuras u organizaciones humanas.
Los objetivos de toda organizacin sern siempre alcanzar el liderazgo en su rama,
controlando la eficiencia y efectividad de todas sus componentes por medio de mtodos que
permitan encontrar las relaciones ptimas que mejor operen el sistema, dado un objetivo
especfico.
Ante el tremendo avance que se ha dado en casi todas las ciencias en las ltimas dcadas,
ya no es factible querer saber un poco de todo, sino ms bien especializarse en alguna rama de
la ciencia. Los problemas que se presentan en las organizaciones no se pueden resolver
fcilmente por un solo especialista. Por el contrario, son problemas multidisciplinarios, cuyo
anlisis y solucin requieren de la participacin de varios especialistas. Estos grupos
interdisciplinarios necesariamente requieren un lenguaje comn para poder entenderse y
comunicarse, donde la Investigacin Operativa viene a ser ese puente de comunicacin.
Conceptos previos 9


El enfoque de la Investigacin Operativa sigue las pautas del mtodo cientfico. En
particular, el proceso comienza por la observacin cuidadosa y la formulacin del problema y
sigue con la construccin de un modelo cientfico (por lo general matemtico) que intenta
abstraer la esencia del problema real. En este punto se propone la hiptesis de que el modelo es
una representacin lo suficientemente precisa de las caractersticas esenciales de la situacin
como para que las conclusiones (soluciones) obtenidas sean vlidas tambin para el problema
real. Esta hiptesis se verifica y modifica mediante las pruebas adecuadas. Entonces, en cierto
modo, la Investigacin Operativa incluye la investigacin cientfica creativa de las propiedades
fundamentales de las operaciones. Sin embargo, existe ms que esto. En particular, la
Investigacin Operativa se ocupa adems de la administracin prctica de la organizacin. As,
para tener xito, deber tambin proporcionar conclusiones positivas y claras que pueda usar el
tomador de decisiones cuando las necesite.
La contribucin al enfoque de Investigacin Operativa proviene principalmente de:
i) La estructuracin de una situacin de la vida real como un modelo matemtico,
logrando una abstraccin de los elementos esenciales para que pueda buscarse una
solucin que concuerde con los objetivos del tomador de decisiones. Esto implica
tomar en cuenta el problema dentro del contexto del sistema completo.
ii) El anlisis de la estructura de tales soluciones y el desarrollo de procedimientos
sistemticos para obtenerlas.
iii) El desarrollo de una solucin, incluyendo la teora matemtica si es necesario, que
lleva al valor ptimo de la medida de lo que se espera del sistema (o quiz que
compare los cursos de accin opcionales evaluando esta medida para cada uno).
El modelo matemtico trata de responder al problema de elegir los valores de las variables
de decisin de manera que se optimice la funcin objetivo, sujeta a las restricciones dadas.
Optimizar es la accin de llevar una cierta magnitud a su ptimo, o sea, a su mximo o a
su mnimo, segn se trate de algo que se considera beneficioso o perjudicial, en cuyos casos
respectivos se utilizan tambin los nombres de maximizar o minimizar. Se optimiza todo tipo
demagnitudes para las que se estima o valora que tienen estados preferibles a otros y se quiere
alcanzar el de mayor utilidad o satisfaccin.
Una clasificacin de modelos especialmente importante es el modelo de programacin
lineal, en el que las funciones matemticas que aparecen tanto en la funcin objetivo como en
las restricciones, son funciones lineales. Es posible construir modelos especficos de
programacin lineal que se ajustan a diversos tipos de problemas.
Los modelos matemticos tienen muchas ventajas sobre una descripcin verbal del
problema. Una ventaja obvia es que el modelo matemtico describe un problema en forma
mucho ms concisa. Esto tiende a hacer que toda la estructura del problema sea ms
comprensible y ayuda a revelar las relaciones importantes entre causa y efecto. De esta manera
indica con ms claridad que datos adicionales son importantes para el anlisis. Tambin facilita
el manejo del problema en su totalidad y el estudio de todas sus interrelaciones
simultneamente. Por ltimo, un modelo matemtico forma un puente para poder emplear
tcnicas matemticas poderosas, adems de los ordenadores, en el anlisis del problema. La
10 Investigacin Operativa

herramienta de clculo que supone el ordenador junto a paquetes de Investigacin Operativa
facilita la solucin de muchos problemas.
1.3. Definicin de Investigacin Operativa
La Investigacin Operativa o Investigacin Operacional se puede definir como: "La
aplicacin del mtodo cientfico a problemas relacionados con el control de las
organizaciones o sistemas a fin de que se produzcan soluciones que mejor sirvan a los
objetivos de toda la organizacin".

1.4. Metodologa de la Investigacin de Operativa
El proceso de la Investigacin Operativa comprende las siguientes fases:
1. Formulacin y definicin del problema.
2. Construccin del modelo.
3. Solucin del modelo.
4. Validacin del modelo.
5. Implementacin de resultados.
Veamos estas fases:
1. Formulacin y definicin del problema. En esta fase del proceso se necesita: una
descripcin de los objetivos del sistema, es decir, qu se desea optimizar; identificar las
variables implicadas, ya sean controlables o no; determinar las restricciones del sistema.
Tambin hay que tener en cuenta las alternativas posibles de decisin y las restricciones
para producir una solucin adecuada.

2. Construccin del modelo. En esta fase, el investigador de operaciones debe decidir el
modelo a utilizar para representar el sistema. Debe ser un modelo tal que relacione a las
variables de decisin con los parmetros y restricciones del sistema. Los parmetros (o
cantidades conocidas) se pueden obtener ya sea a partir de datos pasados o estimados por
medio de algn mtodo estadstico. Es recomendable determinar si el modelo es
probabilstico o determinstico. El modelo puede ser matemtico, de simulacin o
heurstico, dependiendo de la complejidad de los clculos matemticos que se requieran.
Como ejemplo de modelos, tenemos
Determinsticos Probabilsticos Heursticos
Conceptos previos 11


Programacin
matemtica
Programacin estocstica Annealing (recocido)
simulado
Programacin lineal Gestin de inventarios Bsqueda tab
Programacin entera Fenmenos de espera (colas) Algoritmos genticos
Programacin
dinmica
Teora de juegos Redes neuronales
artificiales
Programacin
no lineal
Simulacin Algoritmos
bioinspirados
Programacin
multiobjetivo
Modelos de transporte
Modelos de redes

3. Solucin del modelo. Una vez que se tiene el modelo, se procede a derivar una solucin
matemtica empleando las diversas tcnicas y mtodos matemticos para resolver problemas y
ecuaciones. Debemos tener en cuenta que las soluciones que se obtienen en este punto del
proceso son matemticas y debemos interpretarlas en el mundo real. Adems, para la solucin
del modelo, se deben realizar anlisis de sensibilidad, es decir, ver cmo se comporta el
modelo ante cambios en las especificaciones y parmetros del sistema. Esto se hace debido a
que los parmetros no necesariamente son precisos y las restricciones pueden estar
equivocadas.
4. Validacin del modelo. La validacin de un modelo requiere que se determine si dicho
modelo puede predecir con certeza el comportamiento del sistema. Un mtodo comn para
probar la validez del modelo es someterlo a datos pasados disponibles del sistema actual y
observar si reproduce las situaciones pasadas del sistema. Pero, como no hay seguridad de que
el comportamiento futuro del sistema contine replicando el comportamiento pasado, entonces
siempre debemos estar atentos a cambios posibles del sistema con el tiempo, para poder ajustar
adecuadamente el modelo.
5. Implementacin de resultados. Una vez que hayamos obtenido la solucin o
soluciones del modelo, el siguiente y ltimo paso del proceso es interpretar esos resultados y
dar conclusiones y cursos de accin para la optimizacin del sistema. Si el modelo utilizado
puede servir a otro problema, es necesario revisar, documentar y actualizar el modelo para sus
nuevas aplicaciones.

1.5. Estructura de los modelos empleados en la Investigacin Operativa
El enfoque de la Investigacin Operativa como construccin de modelos constituye una
herramienta que nos sirve para lograr una visin bien estructurada de la realidad. As, el
propsito del modelo es proporcionar un medio para analizar el comportamiento de las
componentes de un sistema con el fin de optimizar su desempeo. La ventaja que tiene el sacar
un modelo que represente una situacin real es que nos permite analizar tal situacin sin
12 Investigacin Operativa

interferir en la operacin que se realiza, ya que el modelo es como si fuera "un espejo" de lo
que ocurre.
Los modelos ms importantes para la Investigacin Operativa son los modelos simblicos
o matemticos, que emplean un conjunto de smbolos y funciones para representar las variables
de decisin y sus relaciones para describir el comportamiento del sistema. El uso de las
matemticas para representar el modelo, el cual es una representacin aproximada de la
realidad, nos permite aprovechar las computadoras de alta velocidad y tcnicas de solucin con
matemticas avanzadas.
Un modelo matemtico comprende principalmente tres conjuntos bsicos de elementos.
Estos son: 1) variables y parmetros de decisin, 2) restricciones y 3) funcin objetivo.
1. Variables y parmetros de decisin. Las variables de decisin son las incgnitas (o
decisiones) que deben determinarse resolviendo el modelo. Los parmetros son los valores
conocidos que relacionan las variables de decisin con las restricciones y funcin objetivo. Los
parmetros del modelo pueden ser determinsticos o probabilsticos.
2. Restricciones. Para tener en cuenta las limitaciones tecnolgicas, econmicas y otras
del sistema, el modelo debe incluir restricciones (implcitas o explcitas) que restrinjan las
variables de decisin a un rango de valores factibles.
3. Funcin objetivo. La funcin objetivo define la medida de efectividad del sistema
como una funcin matemtica de las variables de decisin.
La solucin ptima ser aquella que produzca el mejor valor de la funcin objetivo, sujeta
a las restricciones.

1.6. Concepto de optimizacin

Una caracterstica adicional, que se mencion como de pasada, es que la Investigacin
Operativa intenta encontrar la mejor solucin, o la solucin ptima, al problema objeto de
estudio. En lugar de contentarse con slo mejorar el estado de las cosas, la meta es identificar el
mejor curso de accin posible. Aun cuando debe interpretarse con todo cuidado, esta "bsqueda
del ptimo" es un aspecto muy importante dentro de la Investigacin Operativa.
1.7. reas de aplicacin de la Investigacin Operativa
Como su nombre dice, Investigacin Operativa significa "hacer investigacin sobre las
operaciones. Esto dice algo del enfoque y del rea de aplicacin. Entonces, la Investigacin
Operativa se aplica a problemas que se refieren a la conduccin y coordinacin de operaciones
o actividades dentro de una organizacin. La naturaleza de la organizacin es esencialmente
Conceptos previos 13


inmaterial y, de hecho, la Investigacin Operativa se ha aplicado en los negocios, la industria, la
milicia, el gobierno, los hospitales, etc. As, la gama de aplicaciones es extraordinariamente
amplia. Casi todas las organizaciones ms grandes del mundo y una buena proporcin de las
industrias ms pequeas cuentan con grupos de Investigacin de Operaciones. Muchas
industrias, incluyendo la area y de proyectiles, la automotriz, la de comunicaciones,
computacin, energa elctrica, electrnica, alimenticia, metalrgica, minera, del papel, del
petrleo y del transporte, han empleado la Investigacin de Operaciones. Las instituciones
financieras, gubernamentales y sanitarias estn incluyendo cada vez ms estas tcnicas.
Para ser ms especficos, se consideran algunos problemas que se han resuelto mediante
algunas tcnicas de Investigacin de Operaciones. La programacin lineal se ha usado con xito
en la solucin de problemas referentes a la asignacin de personal, la mezcla de materiales, la
distribucin y el transporte y las carteras de inversin. La programacin dinmica se ha
aplicado con buenos resultados en reas tales como la planificacin de los gastos de
comercializacin, la estrategia de ventas y la planificacin de la produccin. La teora de colas
ha tenido aplicaciones en la solucin de problemas referentes al congestionamiento del trfico,
al servicio de mquinas sujetas a descomposturas, a la determinacin del nivel de mano de obra,
a la programacin del trfico areo, al diseo de presas, a la programacin de la produccin y a
la administracin de hospitales. Otras tcnicas de Investigacin Operativa, como la teora de
inventarios, la teora de juegos y la simulacin, han tenido aplicaciones en una gran variedad de
contextos. El campo de la Investigacin Operativa se va extendiendo cada vez ms gracias a la
herramienta que constituye el ordenador.


1.8. Conceptos sobre conjuntos convexos
El concepto de conjunto convexo es algo sencillo de entender desde un punto de vista
geomtrico. Son conjuntos convexos aquellos que tienen la propiedad de que, al unir con un
segmento dos puntos cualesquiera del conjunto, el segmento queda completamente contenido
en el propio conjunto. Este concepto queda expresado en un lenguaje matemtico de la
siguiente forma:
Definicin1.1. Un conjunto S es convexo cuando:
X
1
, X
2
eS y 1 0 s s o se cumple
2 1
) 1 ( X X o o + eS
Definicin 1.2. Un punto es una combinacin lineal convexa de n puntos (X
1
, X
2
, ..., X
n
)
cuando puede expresarse en la forma

n n
X X X X o o o + + + =
2 2 1 1


donde las o
i
son escalares, 0 >
i
o y

=1.
=
n
i
i
1
o
14 Investigacin Operativa

En R
2
la definicin de combinacin convexa de los vectores de X
1
y X
2
constituye la
definicin de segmento de recta que une ambos puntos,
2 1
) 1 ( X X X o o + =

Definicin 1.3. Un subconjunto S de R
n
es convexo si, y slo si, para todo par de puntos X
1
,
X
2
eS, cualquier combinacin convexa de ellos se encuentra en S.

2 1
) 1 ( X X X o o + = tambin se encuentra en S, oe[0, 1].


Un conjunto S decimos que es convexo si el segmento que une dos puntos cualquiera del
conjunto est totalmente contenido en el conjunto. Un ejemplo de conjunto convexo y no
convexo sera:







Conjunto convexo Conjunto no convexo

Se puede demostrar que cualquier combinacin convexa de cualquier nmero de puntos de
un conjunto convexo, S, tambin se encuentra en S.

1.8.1. Propiedades de los conjuntos convexos
i) La interseccin de un nmero finito de conjuntos convexos sigue siendo un conjunto
convexo.
ii) Por el contrario, la unin de conjuntos convexos no es necesariamente un conjunto
convexo.
iii) La suma de conjuntos convexos es convexa.
iv) El producto cartesiano de conjuntos convexos es convexo.
v) El producto de un escalar por un conjunto convexo es convexo.
Conceptos previos 15


vi) Si S es un conjunto convexo y f: R
n
R, entonces f(S) es convexo.
vii) Otra operacin que efectuada sobre conjuntos convexos hace que el resultado pueda
perder la convexidad es la diferencia entre conjuntos convexos.
viii) Los conjuntos formados por un nmero finito de puntos no son convexos, salvo el
caso de los que nicamente tienen un punto.
Para los casos en que un conjunto no sea convexo, resultara interesante analizar si de
alguna manera se podra completar dicho conjunto para hacerlo convexo. Se plantea entonces la
necesidad de intentar encontrar el menor conjunto convexo que contiene a uno dado. Este
conjunto siempre existe y recibe un nombre, envolvente convexa.
De la definicin anterior pueden deducirse dos formas de construir la envolvente convexa
[S] de un conjunto dado, S:
a) Interseccin de todos los conjuntos convexos que lo contienen.
b) Conjunto formado por todas las combinaciones lineales convexas de puntos del
conjunto.
Proposicin 1.1. Cualquier punto sobre el segmento que une dos puntos de R
n
puede ser
expresado como combinacin convexa de los dos puntos.
Demostracin
Designemos con X
1
y X
2
a esos dos puntos y hagamos que X est sobre el segmento que los
une. Este segmento es paralelo a la lnea definida por el vector X
1
-X
2
.

X=X
2
+o( X
1
-X
2
) =oX
1
+(1-o)X
2


es la expresin de X como combinacin convexa de X
1
y X
2
, donde 1 0 s s o .



16 Investigacin Operativa

Definicin 1.4. Llamaremos vrtice o punto extremo de un conjunto convexo a todo
elemento del conjunto que no puede expresarse como combinacin convexa de otros dos
puntos distintos del conjunto. Es decir, un vrtice nunca puede ser un punto intermedio de un
segmento contenido completamente en el conjunto.
No todo conjunto convexo tiene vrtices y, en el caso de tenerlos, puede tener tanto un
nmero finito como un nmero infinito de ellos.
Proposicin 1.2. Todo conjunto no vaco, convexo, cerrado y acotado tiene al menos un
vrtice.
Definicin 1.5. Al conjunto de puntos H={XeR
n
/ U
T
X =c, U=0, UeR
n
, ceR} se le
denomina hiperplano.
Otra forma de caracterizar al hiperplano, H, es: dado un XeH, U
T
X =c, tomamos un
vector X, tal que, U
T
X - U
T
X =0 U
T
(X - X)=0

H={XeR
n
; U
T
(X - X)=0, U =0, UeR
n
}

Cualquier punto que pueda ser expresado como una combinacin convexa de dos puntos de
R
n
estar sobre el segmento que une a los dos puntos.
A partir de la definicin anterior, podemos definir los conjuntos siguientes:

Semiespacio cerrado: S
c
={XeR
n
/ U
T
X s c; U=0, UeR
n
, ceR}
Semiespacio abierto: S
a
={XeR
n
/ U
T
X <c; U=0, UeR
n
, ceR}

Proposicin 1.3. Un semiespacio es un conjunto convexo.

Demostracin
Vemoslo para semiespacios cerrados, para semiespacios abiertos la demostracin sera
equivalente.

Sea S
c
={XeR
n
/ U
T
X s c; U=0, UeR
n
, ceR} y sean X
1
, X
2
eS
c

entonces U
T
X =U
T
[oX
1
+(1-o)X
2
]=o U
T
X
1
+(1-o) U
T
X
2
s c
por tanto S
c
es convexo.

Proposicin 1.4. Un hiperplano es un conjunto convexo.
Demostracin
Basta considerar que un hiperplano es la interseccin de dos semiespacios cerrados, que un
semiespacio es un conjunto convexo (proposicin anterior) y que la interseccin de conjuntos
convexos es convexa.

Proposicin 1.5. El conjunto de todas las combinaciones convexas de un numero finito de
puntos X
1
, X
2
, ..., X
n
de R
n
es un conjunto convexo al que se denomina poliedro convexo.
Conceptos previos 17


Definicin.1.6. El conjunto de vectores X =(x
1
,...,x
n
)
T
eR
n
cuyas componentes satisfacen las
m desigualdades lineales:
m n mn m m
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
s + +
s + +
s + +

2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11

se denomina conjunto solucin del sistema de desigualdades lineales.
Definicin1.7. Se denomina politopo convexo a todo conjunto que puede expresarse como
interseccin de un nmero finito de semiespacios cerrados. Si un politopo tiene vrtices,
siempre tiene un nmero finito de ellos.

Definicin1.8. A un politopo acotado se denomina poliedro.

Proposicin 1.6. Se denomina simplex a un poliedro convexo en un espacio de n
dimensiones que tiene exactamente n+1 puntos extremos.
Ejemplos: Un simplex en:

i) R sera un segmento.
ii) R
2
sera un tringulo.
iii) R
3
sera un tetraedro, etc.

Proposicin 1.7. Denominaremos envolvente convexa de un conjunto S al menor conjunto
convexo que lo contiene.
Si el conjunto S es convexo, ste coincide con su envolvente convexa.
Dado un nmero finito de puntos de R
n
, su envolvente convexa es el poliedro convexo
engendrado por dichos puntos.

Definicin 1.9. Un subconjunto C c R
n
es un cono, si cualquiera que sea XeC oXeC con
o > 0. Esto quiere decir que, para que un conjunto sea un cono, todas las semirrectas que
partiendo del origen pasan por cualquiera de sus puntos deben estar completamente contenidas
en el propio conjunto.
El cono convexo generado por n puntos es el conjunto de todas las combinaciones lineales
con coeficientes positivos de esos puntos. En este caso los n puntos se llaman generadores del
cono.

Teorema 1.1. Sea A un conjunto convexo de R
n
y sea XeA; existe entonces un hiperplano H
que contiene a X y respecto del cual todos los puntos de A estn en uno de los semiespacios
cerrados determinados por H (hiperplano lmite).
Grficamente en R
2
:
18 Investigacin Operativa




Teorema 1.2. Dado un conjunto convexo A y x un punto de su frontera, existe un hiperplano
H que contiene a x y tal que todos los puntos de A estn en uno de los semiespacios cerrados
determinados por H (hiperplano soporte).
Grficamente en R
2
:

Teorema 1.3. Dados dos conjuntos convexos no vacos A
1
y A
2
disjuntos o teniendo en
comn solamente puntos frontera, existe un hiperplano que los separa, H (hiperplano de
separacin).
Grficamente en R
2
:

Conceptos previos 19


A2
A1


Los dos teoremas anteriores no ofrecen ninguna dificultad en su demostracin.