Investigación de operaciones I

Investigación de operaciones I

Jorge Oyola
Universidad de Córdoba

Jorge Oyola InvOper I 1 / 18

 Investigación de operaciones I Plan del dı́a

Programa

1 Presentación del curso

2 Formulación de modelos matemáticos
3 Repaso álgebra lineal
Independencia lineal
Rango de una matriz
La inversa de una matriz
Determinante
4 Introducción a Pyomo

Jorge Oyola InvOper I 2 / 18

 Presentación del curso

Presentación del curso

Jorge Oyola

Universidad de Córdoba

Jorge Oyola Presentación 3 / 18

 Presentación del curso

Docente y contenido

Docente
Jorge Oyola
jorgeoyola@correo.unicordoba.edu.co

Contenido
Programación lineal.
Revisemos el programa

Jorge Oyola Presentación 4 / 18

 Formulación de modelos matemáticos

Formulación de modelos matemáticos

Jorge Oyola

Universidad de Córdoba

Jorge Oyola Modelos matemáticos 5 / 18

 Formulación de modelos matemáticos

Modelos matemáticos

Son una representación matemática de una situación. Tienen dos posibles

objetivos
Tomar mejores decisiones.
Lograr un mejor entendimiento de la situación.

Modelos de optimización
Función objetivo
Variables de decisión
Restricciones

Jorge Oyola Modelos matemáticos 6 / 18

 Formulación de modelos matemáticos

Modelos matemáticos - II

Tipos de modelos
Estáticos - dinámicos.
Lineales – no lineales.
Enteros – no enteros.
Determinı́sticos – no determinı́sticos.

Jorge Oyola Modelos matemáticos 7 / 18

 Repaso

Repaso álgebra lineal

Jorge Oyola

Universidad de Córdoba

Jorge Oyola Repaso 8 / 18

 Repaso Independencia lineal

Vectores linealmente independientes

Combinación lineal
Dado un conjunto de vectores fila, con igual dimensión,
V = {v1 , v2 , . . . , vk }, una combinación lineal de los vectores en V , es
cualquier vector de la forma c1 v1 + c2 v2 . . . + ck vk .

Independencia lineal
Dado un conjunto de vectores fila (o columna), con igual dimensión m,
V = {v1 , v2 , . . . , vk }, y el vector cero 0, también de dimensión m. Se dice
que los vectores en V son linealmente independientes si la combinación
lineal c1 v1 + c2 v2 . . . + ck vk = 0 tiene como una única solución la solución
trivial c1 = c2 = . . . = cm = 0 .

Jorge Oyola Repaso 9 / 18

 Repaso Rango de una matriz

Definición

Sea A una matriz de m × n, y sean r1 , r2 , . . . , rm las filas de A, denotado

como R = {r1 , r2 , . . . , rm }.
El rango de A es el número de vectores en el subconjunto más grande de
vectores linealmente independientes de R.

Una matriz de dimensión m × n de vectores 0, ¿qué rango tiene?

Jorge Oyola Repaso 10 / 18

 Repaso Rango de una matriz

Usando Gauss-Jordan
Cuál es el rango de la matriz:
 
1 0 0
M = 0 2 1
0 2 3

Independencia en un conjunto de vectores

Dado el conjunto de vectores V = {v1 , v2 , . . . , vm }, sea la matriz A
aquella para la que vi es la i−ésima fila. Si el rango de A es igual a m, los
vectores son linealmente independientes. Si por el contrario, el rango de A
es menor a m, los vectores son linealmente dependientes.

Determine si los vectores en el conjunto V son linealmente independientes

V = {[2 1 0], [1 2 0], [3 3 1]}

Jorge Oyola Repaso 11 / 18

 Repaso La inversa de una matriz

Algunas definiciones previas

Matriz cuadrada
Es una matriz que tiene el mismo número de filas y columnas.

Elementos en la diagonal
Los elementos en la diagonal de una matriz cuadrada son los elementos
aij , tal que i = j.

Matriz identidad
Una matriz cuadrada en la que los elementos de la diagonal son iguales a 1
y los demás son iguales a cero. Una matriz identidad de m × m se
representa como Im

Jorge Oyola Repaso 12 / 18

 Repaso La inversa de una matriz

Propiedad

Dada la matriz A de m × m, la matriz B es la inversa de A si

BA = AB = Im

B se representa como A−1

Dado un sistema lineal

Ax = b
Puede mostrarse que
x = A−1 b

Jorge Oyola Repaso 13 / 18

 Repaso Determinante

Número asociado a toda matriz cuadrada

Se escribe det A o |A|

Para una matriz de 1 × 1
 
A = a11
det A = a11

Para una matriz de 2 × 2

 
a11 a12
A=
a21 a22
det A = a11 a22 − a21 a12

Jorge Oyola Repaso 14 / 18

 Repaso Determinante

Para una matriz cuadrada de cualquier tamaño

ij-ésimo menor de A
Sea A una matriz de m × m, el ij-ésimo menor de A (Aij ), corresponde a
la submatriz de A de tamaño (m − 1) × (m − 1), obtenida al borrar la fila
i y la columna j.

Determinante de una matriz de m × m

 
a11 a12 . . . a1m
 a21 a22 . . . a2m 
A= .
 
.. .. 
 .. . . 
am1 am2 . . . amm
Cualquier fila i puede ser seleccionada, con i ∈ {1, 2, . . . , m} y se calcula:
det A =
(−1)i+1 ai1 (det Ai1 ) + (−1)i+2 ai2 (det Ai2 ) . . . + (−1)i+m aim (det Aim )

Jorge Oyola Repaso 15 / 18

 Repaso Determinante

Ejemplo

Encontrar el determinate de la matriz A

 
1 2 3
A= 4 5 6
7 8 9

Jorge Oyola Repaso 16 / 18

 Pyomo

Introducción a Pyomo

Jorge Oyola

Universidad de Córdoba

Jorge Oyola Pyomo 17 / 18

 Pyomo

Python Optimization Modeling Objects – Pyomo

Veamos un ejemplo

min 2x1 + 3x2

st :
3x1 + 4x2 ≥ 1
x1 , x2 ≥ 0

Jorge Oyola Pyomo 18 / 18