Capı́tulo 3

Rango: Minimizar la máxima

distancias

En el capı́tulo anterior hemos tratado de interpretar desde unas perspec-

tiva de posición la mediana en el plano, sin embargo, hemos utilizado una
distribución de puntos ordenados para calcular e interpretar su posición.

La definición de la mediana en el plano está condicionada por el orden

de los puntos, no obstante, los puntos del plano no tienen porque estar or-
denados. Por tanto, si influye el orden a la hora de la generalización de la
mediana, no tendrı́a sentido el posicionamiento anterior.

Por eso, en este capı́tulo vamos a buscar una interpretación general de cen-
tro de una distribución, comparándolo con otros puntos que harı́an referencia
a posibles ” centros ”, para comprender si el punto de Fermat encontrado
anteriormente aporta alguna idea de centralización (relativa a la posición de
la distribución de puntos).

Una buena idea es la que nos ofrece Abellanas (S.F.), que se trata de un
problema de p-centros:

Dados n puntos de IRn , hallar p bolas del mismo radio que contengan a
los n puntos de forma que el radio sea mı́nimo.

45
 Figura 3.1: 1-centro

En concreto, para nuestro estudio, podriamos ver el 1-centro.

Este tipo de problemas, llamados de 1-centro, también es conocido como

el “problema del recubrimiento mı́nimo” o “Minimax”, propuesto por primera
vez en una nota encontrada en una obra de Sylvester en 1857.

Se enunciar como:

Encontrar un cı́rculo de centro y de radio mı́nimo de tal forma que todo

un conjunto inicial de puntos del plano a1 , a2 , ..., am pertenezcan a él.

Lo que podemos traducir, según Garcı́a (2005) como:

r = mı́n máx di (x, y)
(x,y) i=1,2...,m

donde r, es el radio de la circunferencia que resuelve el problema del

Minimax. El centro de esta circunferencia minimiza la máxima distancia.

El centro de la circunferencia, es el punto más factible con la idea de

”centro” que queremos observar, ya que este punto cumplirı́a que siempre va
a hacer más pequeña la distancia máxima entre dicho punto y todos los de
la distribución.

Si nos ponemos a pensar el como calcular el centro de esta circunferencia,

podrı́amos pensar que se trata otra vez de una mediana, sin embargo, en este
caso no buscamos estar en medio de la distribución, si no en minimizar la
distancia de los puntos más alejados.

46
 En la recta real, la propiedad de minimizar la máxima distancia tiene una
interpretación trivial. Ya que este punto se alcanza en la mitad del intervalo
dado por el rango.

Para ello, vamos a pensar en la recta, el rango es la diferencia entre el

valor máximo y el mı́nimo de una variable estadı́stica. Es decir, según Garcı́a
(2005) nos indica un intervalo en el que se encuentran todos los puntos de la
distribución.

Ahora, el punto que hace mı́nima esa distancia, lo encontrarı́amos si ha-

cemos el punto medio del intervalo, ya que si escogemos otro punto aumen-
taremos dicha distancia.

El significado de rango en dos dimensiones admitirı́a una interpretación

de los valores ”extremos”de la distribución. Como decı́amos, podemos rela-
cionarlo con el cı́rculo en el que están ”encerrados”todos los puntos. Siendo
el centro de esta circunferencia un punto que aporta información sobre el
centro de la distribución

Minimizar la máxima distancia

En el caso de tres puntos, el estudio del 1-centro, entendido como punto

que minimiza la máxima distancia, ha sido tratado en el trabajo de Liébana
(2016) relacionándolo con un problema geométrico:

Queremos colocar un parque de bomberos entre tres ciudades o tres pueblos

de manera que la máxima distancia del parque a un pueblo sea lo mı́nima
posible. ¿Dónde debemos colocarlo?

Los resultados de Liébana (2016), se dividen de la siguiente forma:

Si el triángulo es acutángulo, la solución es el circuncentro del triangulo,

es decir, el centro donde concurren las mediatrices.
Si el triángulo es rectángulo, la solución también se trata del circuncen-
tro, ya que es el que determina el mejor lugar para colocar el parque
de bomberos. Lo que ocurre, es que en este caso el circuncentro se
encuentra en uno de los lados del triángulo.

47
 Si el triángulo es obtusángulo, el circuncentro se encuentra fuera de la
región del triángulo. Luego, no serı́a lo más acertado, ya que no harı́a
mı́nima la distancia a los vértices.
Según Liébana (2016) existe un punto del triángulo que minimiza la
máxima distancia, y que no es el circuncentro. Este punto se encuentra
en la intersección de su mediatriz y el lado más grande del triángulo.

Caso con N puntos y generalización

Del proceso anterior, destacamos la importancia de determinar el punto

medio de los dos puntos más alejados y el papel de las mediatrices de pares
de puntos. Vamos a profundizar en la generalización a n puntos, para ello,
nos planteamos el siguiente problema:

Queremos colocar un parque de bomberos entre n ciudades o n pueblos

de manera que la máxima distancia del parque a un pueblo sea lo mı́nima
posible. ¿Dónde debemos colocarlo?

Para resolver el problema debemos encontrar el centro de la circunfe-

rencia mı́nima que envuelva a todos los pueblos.

Resolución del algoritmo de Ehrgott, Euteneuer y Hamacher.

Podemos encontrar el desarrollo exhaustivo de la localización del centro

con n puntos genéricos mediante otro algoritmo ası́ como la unicidad del
problema en Megiddo (1983), no obstante, por su simplicidad, hemos tomado
el algoritmo que nos ofrecen Ehrgott, Euteneuer y Hamacher. (2000).

Se busca el menor circulo de menor radio, que recubra n localizaciones

(Ln ). Este circulo, contiene al menos dos localizaciones en el borde:

Dibujar todos los cı́rculos circunscritos con tres localizaciones (Li , Lj , Lk )

con i 6= j, j 6= k y k 6= i ∀ i, j, k = 1, 2, 3...n

Dibujamos todos los cı́rculos centrados en el punto medio de cada seg-

mento Lx Ly y pasan por las dos localizaciones.

48
 Suprimir los que no abarcan todas las localizaciones.

Escogemos el de menor radio.

Vamos a realizar un ejemplo con 4 pueblos situados (Para entender mejor

el algoritmo) en un eje cartesiano de la siguiente forma:

L1 = (0, 3), L2 = (5, 8), L3 = (9, 0), L4 = (9, 3)

Figura 3.2: Ejemplo del algoritmo

Primero dibujamos todos los cı́rculos circunscritos con tres localizaciones:

49
 Figura 3.3: Ejemplo del algoritmo, Paso 1

Dibujamos todos los cı́rculos centrados en los puntos medios:

Figura 3.4: Ejemplo del algoritmo, Paso 2

50
 Quitamos los que no abarcan todas las localizaciones.

Figura 3.5: Ejemplo del algoritmo, Paso 3

Finalmente, escogemos el de menos radio.

Figura 3.6: Ejemplo del algoritmo, Paso 4

Como podemos observar, deberı́amos situar el parque de bomberos en el

punto E = (5, 3).

51
Resolución del caso de 3 pueblos

Como aplicación directa hemos tratado de corroborar los resultados an-

teriores con la resolución del problema de Liébana (2016).

Para un triángulo, acutángulo y rectángulo, evidentemente obtenemos el

mismo resultado, al tratarse del circuncentro.

Por último vamos a probar para un triángulo obtusángulo, ası́ que hemos
aplicado el algoritmo anterior para ver cual serı́a el centro de la circunferencia
de menor radio que contiene a los tres pueblos:

Figura 3.7: Algoritmo para triángulos obtusángulos

52
 Como podemos observar, el centro de la circunferencia de menor radio no
se trata del circuncentro, si no el punto medio del lado más grande, coinci-
diendo con los resultados de Liébana (2016)

Relación 1-centro con Minimax en el caso n=3

Con vistas a aportar información sobre la posición del punto obtenido

mediante el 1-centro, vamos a relacionar el comportamiento geométrico del
algoritmo (en el caso n=3) con el método utilizado para minimizar la máxima
distancia.

Primero Hallamos el punto medio del segmento de los dos puntos más
alejados. Entonces:
• Si al hacer la circunferencia de centro ese punto y radio la mitad
de esa máxima distancia, los demás puntos están dentro, hemos
concluido. Este es el caso de los triángulos obtsángulos y rectángu-
los.
• Si no ocurre continuamos con el algoritmo.
Si al hacer esa circunferencia, el otro punto no está. Nos desplazamos
por la mediatriz hasta cortarnos con otra mediatriz (por ejemplo la
correspondiente al siguiente par de puntos más alejados, el siguiente
lado mayor...)
En el caso del triángulo acutángulo serı́a donde se corta con otra me-
diatriz, que es el procedimiento para calcular el circuncentro.
Esto tiene sentido, ya que si nos deslizamos por la mediatriz, no aumen-
tamos la distancia hacia los puntos más alejado. Por tanto, esta serı́a la
solución a la posición problema del Minimax y al rango bidimensional.

En este capı́tulo, hemos obtenido otra interpretación de centro de una

distribución partiendo de la idea del 1-centro. Consiguiendo relacionar la
idea de rango bidimensional con el problema del Minimax.

Ahora, si comparamos el punto de Fermat (como mediana en el plano)

con el 1-centro, podemos concluir:

53
Aunque ambos dan idea de centro, el punto de Minimax esta más li-
mitado que el de Fermat, ya que el punto de Minimax tiene en cuenta
los puntos muy extremos, contando a lo sumo, con tres puntos de la
distribución para atraparlos a todos. Sin embargo, a Fermat, le afecta
la posición de cada uno de los puntos de la distribución, ya que es el
centro de la distribución.

Para el punto de Fermat, necesitamos que nos den un conjunto de

puntos ordenados. Sin embargo, para el punto de Minimax, podemos
obtener una idea de centro, sin necesidad de saber la posición de la
distribución de puntos.

Fermat también tiene limitaciones, ya que habı́a casos en los que el

vértice era optimo y la función de Weber no era diferenciable. Sin em-
bargo, el Minimax no tiene limitaciones de ningún tipo.

54