Professional Documents
Culture Documents
Matemática
Christian Villalobos
C O M M O N S D E E D
Reconocimiento-NoComercial-SinObraDerivada 2.0 Chile
Al reutilizar o distribuir la obra, tiene que dejar bien claro los términos
de la licencia de esta obra.
Alguna de estas condiciones puede no aplicarse si se obtiene el permiso
del titular de los derechos de autor.
3
4 ÍNDICE GENERAL
Capı́tulo 1
Método de Doble
Descripción
5
6 CAPÍTULO 1. MÉTODO DE DOBLE DESCRIPCIÓN
Segundo Tableau:
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (12)
x1 1 0 0 1 0 0 1 0 0 1 0 0
x2 0 0 0 1 1 1 0 0 0 0 0 0
x3 0 1 0 0 1 0 0 1 0 0 1 0
x4 0 0 0 0 0 0 1 1 1 0 0 0
x5 0 0 1 0 0 1 0 0 1 0 0 1
x6 0 0 0 0 0 0 0 0 0 1 1 1
A1 x 1 1 1 0 0 0 0 0 0 0 0 0
→ A2 x 1 0 1 1 0 1 0 −1 0 0 −1 0
7
Tercer Tableau:
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10)
x1 1 0 0 1 0 0 1 0 1 0
x2 0 0 0 1 1 1 0 0 0 0
x3 0 1 0 0 1 0 0 0 0 0
x4 0 0 0 0 0 0 1 1 0 0
x5 0 0 1 0 0 1 0 1 0 1
x6 0 0 0 0 0 0 0 0 1 1
A1 x 1 1 1 0 0 0 0 0 0 0
A2 x 1 0 1 1 0 1 0 0 0 0
→ A3 x 0 1 −1 1 2 0 0 −1 1 0
Cuarto Tableau:
(1) (2) (3) (4) (5) (6) (7) (8) (9) (10) (11) (S)
x1 1 0 1 0 0 1 1 0 0 0 0 1
x2 0 0 1 1 1 0 0 0 0 0 1 0
x3 0 1 0 1 0 0 0 0 1 1 1 0
x4 0 0 0 0 0 1 0 0 0 1 2 1
x5 0 0 0 0 1 0 0 1 1 1 2 1
x6 0 0 0 0 0 0 1 1 0 0 0 1
A1 x 1 1 0 0 0 0 0 0 2 1 0 0
A2 x 1 0 1 0 1 0 0 0 1 0 0 0
A3 x 0 1 1 2 0 0 1 0 0 0 0 0
→ A4 x −1 0 −1 0 −1 0 0 0 −1 0 0 0
Quinto Tableau:
Sexto Tableau:
(1) (2) (3) (4) (5) (6) (7)
x1 0 1 0 0 0 1 0
x2 0 0 0 0 1 0 1
x3 1 0 0 1 1 0 1 (∗)
x4 0 0 0 1 0 1 2
x5 0 0 1 1 1 1 3 (∗)
x6 0 1 1 0 1 1 1 (∗)
A1 x 1 0 0 1 0 0 0
A2 x 0 0 0 0 0 0 0
A3 x 1 1 0 0 2 0 0
A4 x 0 0 0 0 0 0 0
A5 x 0 0 1 0 0 0 0
0 0 1 1 1 1
1 1 0 0
0 0 1 1
1 1
P4 = 5
0 = 0 y P = 1 = 1 ;
1 1 1 1 2 2
1 1 3 3
y las direcciones asintóticas del cono C:
0 0
0 0
C1 = 2
1 y C = 1 .
0 1
0 1
9
Solución
Es inmediato que el primer punto es igual a la suma del cuarto punto, más
la primera dirección extrema, ası́ que lo eliminaremos del conjunto de puntos
que define ∆1 .
El poliedro en cuestión claramente no contiene el origen. Ası́, es necesario
una traslación de puntos al origen. En este caso se trasladará el punto (2, 1)T
al origen. Haciendo el siguiente cambio de coordenadas:
ŷ1 = y1 − 2
ŷ2 = y2 − 1,
ˆ
obtenemos los siguientes puntos que definen a ∆:
3 −1 0 0
, , , .
1 2 0 6
T
Con estos vectores, podemos construir el sistema homogéneo dual B j y:
3ŷ1 +ŷ2 +ŷ3 ≥0
−ŷ1 +2ŷ2 +ŷ3 ≥0
ŷ3 ≥0
6ŷ2 +ŷ3 ≥0
ŷ1 +2ŷ2 ≥0
2ŷ1 +ŷ2 ≥0.
1 No es necesario darse cuenta que este punto debe ser eliminado. En caso de no eliminarlo,
los resultados finales son los mismos y la restricción polar asociada a este punto resulta ser
redundante.
11
Segundo Tableau:
(1) (2) (3) (4)
1 −1 1 −1
−3 3 0 0
A6 ŷ 0 0 0 3
A1 ŷ 0 0 3 0
→ A2 ŷ −7 7 −1 4
Tercer Tableau:
(1) (2) (3)
−1 6 −3
3 3 −12
A6 ŷ 0 0 21
A1 ŷ 0 21 0
A2 ŷ 7 0 0
12 CAPÍTULO 1. MÉTODO DE DOBLE DESCRIPCIÓN
Cuarto Tableau:
Quinto Tableau:
Sexto Tableau:
(1) (2) (3) (4) (5) (6)
−1 2 4 2 −5 0
3 1 −1 −1 10 0
A6 ŷ 0 0 6 6 5 11
A1 ŷ 0 7 17 11 0 11
A2 ŷ 7 0 0 2 30 11
A3 ŷ 18 6 0 0 65 11
A4 ŷ 5 4 2 0 15 0
A5 ŷ 1 5 7 3 0 0
que simplificado nos queda:
Luego de obtenidos los generadores del Dual, podemos utilizarlos como coe-
ficientes del Primal:
−x̂1 +3x̂2 ≥0
2x̂1 +x̂2 ≥0
4x̂1 −x̂2 +6x̂3 ≥0
2x̂1 −x̂2 +6x̂3 ≥0
−x̂1 +2x̂2 +x̂3 ≥0
x̂3 ≥0.
14 CAPÍTULO 1. MÉTODO DE DOBLE DESCRIPCIÓN
−x̂1 +3x̂2 ≥ 0
2x̂1 +x̂2 ≥ 0
4x̂1 −x̂2 ≥−6
2x̂1 −x̂2 ≥−6
−x̂1 +2x̂2 ≥−1.
−x1 +3x2 ≥ 1
2x1 +x2 ≥ 5
4x1 −x2 ≥ 1
2x1 −x2 ≥−3
−x1 +2x2 ≥−1.
Segundo Tableau:
(1) (2) (3) (4)
1 2 −1 −12
0 −1 3 6
A6 ŷ 0 6 0 30
A4 ŷ 1 0 5 0
A3 ŷ 0 0 18 66
A1 ŷ 3 11 0 0
16 CAPÍTULO 1. MÉTODO DE DOBLE DESCRIPCIÓN
Tercer Tableau:
Cuarto Tableau:
Este último tableau nos entrega los mismos generadores, pero en distinto
orden.
18 CAPÍTULO 1. MÉTODO DE DOBLE DESCRIPCIÓN
con:
r
X
λj = 1;
j=1
λj ≥ 0; j = 1, . . . , r;
µl ≥ 0; l = 1, . . . , s;
r s
donde P j j=1 y C l l=1 definen el conjunto de puntos extremos y de
direcciones extremas de P , respectivamente.
19
λj ≥ 0; j = 1, . . . , r
µl ≥ 0; l = 1, . . . , s
yi ≥ 0; i = 1, 2
η≥0
Solución
(i) Se tiene el siguiente sistema de desigualdades:
−3x1 +x2 ≤− 2
−x1 +x2 ≤ 2
−x1 +2x2 ≤ 8
−x2 ≤− 2
x1 ≥ 0
x2 ≥ 0.
Segundo Tableau:
(1) (2) (3)
x1 1 1 2
x2 0 3 0
x3 0 0 3
A1 x 3 0 0
→ A2 x 1 −2 8
21
Tercer Tableau2 :
(1) (2) (3) (4)
x1 1 2 3 6
x2 0 0 3 12
x3 0 3 0 3
A1 x 3 0 6 0
A2 x 1 8 0 0
→ A3 x 1 26 −3 6
Cuarto Tableau:
(1) (2) (3) (4) (5)
x1 1 2 6 6 12
x2 0 0 12 3 18
x3 0 3 3 0 3
A1 x 3 0 0 15 12
A2 x 1 8 0 3 0
A3 x 1 26 6 0 0
→ A4 x 0 −6 6 3 12
Quinto Tableau:
2 Nótese que, a partir de esta iteración, podrı́amos simplificar las columnas para obtener
(ii) Si consideramos:
λ̄j = 0; j = 1, . . . , r
µ̄l = 0; l = 1, . . . , s
y¯i = x̄i ; i = 1, 2
η̄ = 1
2
)
yi ≥ 0; i = 1, 2 X
⇒ yi + η ≥ 0 = cte.
η≥0 i=1
Condición necesaria
Tenemos:
r s
( )
X
j
X
l yi = 0; i = 1, 2
x̄ ∈ P ⇒ x = λj P + µl C ⇒ ⇒ v̂ P)x̄ = 0.
j=1 l=1
η=0
23
Condición suficiente
Tenemos:
2
X
v̂ P)x̄ = 0 ⇒ yi + η = 0
( )
yi = 0; i = 1, 2
i=1
⇒ ⇒
yi ≥ 0; i = 1, 2
η=0
η≥0
r s
X X
λj P j + µl C l
x=
j=1 l=1
Xr
λj = 1; ⇒ x̄ ∈ P
j=1
λ ≥ 0; j = 1, . . . , r;
j
µl ≥ 0; l = 1, . . . , s;
2
C2 =
1
4
P2 =
6
2
P1 =
4
4
x̄ = 3
2
x̄′ =
3
4/3 1
C1 =
P3 =
2 0
x1
se puede notar que las restricciones de no-negatividad de las variables son re-
dundantes.
2
Primero determinamos el punto x̄′ =
3 , que resulta de la recta que pasa a
24 CAPÍTULO 1. MÉTODO DE DOBLE DESCRIPCIÓN
λ1 = 0, λ2 = 1/4, λ3 = 3/4, µ1 = 2 y µ2 = 0.
25
Solución
(i) El poliedro P está definido por las siguientes desigualdades:
2x1 + x2 −2x3 ≤ 8
4x1 − x2 +2x3 ≥ 2
2x1 +3x2 + x3 ≥ 4
x1 ≥0
x2 ≥0
x3 ≥0.
−2 −1 2 8
4 −1 2 −2
2 3 1 −4
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
Segundo Tableau:
Tercer Tableau:3
3 Nótese que, por simplicidad en los cálculos, a partir de este punto podrı́amos haber sim-
plificado el Tableau
27
Cuarto Tableau:
Poliedro no vacı́o
Efectivamente, cualquier punto determinado en la parte (ii) pertenece a P .
Por ejemplo (4, 0, 0).
28 CAPÍTULO 1. MÉTODO DE DOBLE DESCRIPCIÓN
cT C j , j = 1, . . . , s
En este caso, para cT = (2, −1, 1), se tiene:
cT C 1 = 1 ≥ 0
cT C 2 = 3 ≥ 0
cT C 3 = −16≥ 0
Ejercicio 1.5
Encuentre los generadores del cono homogéneo dado por el sistema de ecuaciones
lineales homogéneas en R3 :
x1 + x3 ≥ 0
x1 + x2 + 2x3 ≥ 0
2x1 + x2 + 3x3 ≥ 0
x2 + x3 ≥ 0
(x1 )
(x2 )
(x3 )
Solución
La matriz A asociada al sistema es:
1 0 1
1 1 2
2 1 3
0 1 1
Segundo Tableau:
Tercer Tableau:
(1) (2) (3) (4)
1 −1 0 1
1 −1 1 −1
−1 1 0 0
A1 x 0 0 0 1
A2 x 0 0 1 0
→ A3 x 0 0 1 1
Todas las nuevas entradas son positivas. Luego, la restricción A3 x ≥ 0 es redun-
dante y la podemos eliminar de entrada.
Cuarto Tableau:
(1) (2) (3) (4)
1 −1 0 1
1 −1 1 −1
−1 1 0 0
A1 x 0 0 0 1
A2 x 0 0 1 0
→ A4 x 0 0 1 −1
En este caso, todas las nuevas entradas de los generadores singulares con iguales
a cero. Luego, el siguiente Tableau tendrá los mismos generadores singulares.
Los nuevos generadores no-singulares se obtienen con el M.D.D. tradicional4 .
Tableau Final5 :
(1) (2) (3) (4)
1 −1 0 1
1 −1 1 0
−1 1 0 0
A1 x 0 0 0 1
A2 x 0 0 1 1
A4 x 0 0 1 0
donde los dos primeros son los generadores singulares (simétricos) y los dos
últimos, los no-singulares.
4 En este caso hay 2 generadores singulares. Por ende, la dimensión del vértice del cono
actual es d = 1 y los vectores a combinar deben tener (n−d)−2 = 0 ceros en común (Condición
Necesaria a Priori). Equivalentemente, los nuevos vectores generados deben tener al menos
(n − d) − 1 = 1 ceros en el Tableau (Condición Necesaria a Posteriori). Las Condiciones
Necesarias y Suficientes (tanto a Priori como a Posteriori) no cambian.
5 Notar que, a partir de la parte singular de las filas de este Tableau, se puede determinar
Para generar el tableau inicial de los generadores del cono puntiagudo Ĉ,
T
se debe agregar la restricción L1 x ≥ 0 (En realidad se debe agregar todas las
T
restricciones Li x ≥ 0, donde Li son las columnas de la matriz L. En nuestro
caso es sólo una columna):
Tableau inicial6 :
(1) (2) (3)
1 −1 −1
−1 −1 2
0 1 1
A1 x 1 0 0
A2 x 0 0 3
1T 0 3 0
L x
T
Ahora se debe agregar la restricción −L1 x ≥ 0 y las restricciones que
quedaron fuera en el Método de Jordan (en este caso, las restricciones A3 x ≥ 0
T
6 Nótese que al incorporar la restricción L1 x ≥ 0 se forma una matriz diagonal (salvo un
y A4 x ≥ 0).
(1) (2) (3)
1 −1 −1
−1 −1 2
0 1 1
A1 x 1 0 0
A2 x 0 0 3
T
L1 T x 0 3 0
1 0 −3 0
→ −L x
Segundo Tableau:
(1) (2)
1 −1
−1 2
0 1
A1 x 1 0
A2 x 0 3
T
L1 T x 0 0
1 0 0
−L x
→ A3 x 1 3
Todas las nuevas entradas son positivas. Luego, la restricción A3 x ≥ 0 es redun-
dante y la podemos eliminar de entrada.
Tercer Tableau
(1) (2)
1 −1
−1 2
0 1
A1 x 1 0
A2 x 0 3
T
L1 T x 0 0
1 0 0
−L x
→ A4 x −1 3
Cuarto Tableau7
(1) (2)
−1 2
2 −1
1 1
A1 x 0 3
A2 x 3 3
T
L1 T x 0 0
1 0 0
−L x
A4 x 3 0
7 Notar que, a partir de las filas de este Tableau, se puede determinar que la restricción
A2 x también es redundante
34 CAPÍTULO 1. MÉTODO DE DOBLE DESCRIPCIÓN
(1) (2)
1 −1
−1 2
0 1
A1 x 1 0
A2 x 0 3
T
L1 x 0 0
T
donde la última fila tiene la restricción L1 x = 0.
Lo que se ha hecho es:
Sin embargo, las direcciones generan el mismo cono. De hecho, cada una de las
direcciones entregadas por el M.D.D. es igual a la combinación lineal positiva
de una de las direcciones entregadas por el Método de Jordan y uno de los
generadores del ker(A) (columnas de L). Concretamente:
−1 1 0
1 1
2 + 1 = 1
3 3
1 −1 0
2 1 1
1 1
−1 + 1 = 0
3 1 3 −1 0
36 CAPÍTULO 1. MÉTODO DE DOBLE DESCRIPCIÓN
Ejercicio 1.6
Encuentre los generadores del cono homogéneo dado por el sistema de ecuaciones
lineales homogéneas en R3 :
2x1 −x2 ≥0
−x1 +2x2 ≥0
(x1 )
(x2 )
(x3 )
Solución
El cono está dado por la figura:
x3
1
0.5
x2
2
0
1.5
1 x1
2
-0.5
1.5
0.5
1
0.5
-1
0
0
Segundo Tableau:
(1) (2) (3) (4) (5)
0 0 1 −1 1
0 0 2 −2 0
1 −1 0 0 0
A1 x 0 0 0 0 2
→ A2 x 0 0 3 −3 −1
Tercer Tableau:
(1) (2) (3) (4)
0 0 1 4
0 0 2 2
1 −1 0 0
A1 x 0 0 0 6
A2 x 0 0 3 0
0
L = 0
1
Para generar el tableau inicial de los generadores del cono puntiagudo Ĉ,
T
se debe agregar la restricción L1 x ≥ 0 (En realidad se debe agregar todas las
T
restricciones Li x ≥ 0, donde Li son las columnas de la matriz L. En nuestro
caso es sólo una columna):
Tableau inicial89 :
(1) (2) (3)
2 1 0
1 2 0
0 0 1
A1 x 3 0 0
A2 x 0 3 0
T
L1 x 0 0 1
T
Ahora se debe agregar la restricción −L1 x ≥ 0 y las restricciones que
quedaron fuera en el Método de Jordan (en este caso ninguna).
(1) (2) (3)
2 1 0
1 2 0
0 0 1
A1 x 3 0 0
A2 x 0 3 0
T
L1 T x 0 0 1
1 0 0 −1
→ −L x
8 Cabe notar que podrı́amos haber haber “resumido” el tableau, “juntando” la tercera fila
T
de los generadores con la fila de la restricción L1 x ≥ 0. Sin embargo, no se ha hecho por
razones pedagógicas.
9 Nótese que al incorporar la restricción L1 T x ≥ 0 se forma una matriz diagonal con
(1) (2)
2 1
1 2
0 0
A1 x 3 0
A2 x 0 3
T
L1 x 0 0
T
donde la última fila tiene la restricción L1 x = 0.
Lo que se ha hecho es:
Solución
Primero se debe agregar variables de holgura, de modo de que el problema quede
en formato estándar:
P) Min−3x1 − x2 − 3x3
2x1 + x2 + x3 + x4 =2
x1 + 2x2 + 3x3 + x5 =5
2x1 + 2x2 + x3 + x6 = 6
x1 , x2 , x3 , x4 , x5 , x6 ≥ 0.
41
42 CAPÍTULO 2. MÉTODO SIMPLEX REVISADO
Primera iteración
Primer paso: Cálculo del lado derecho del Tableaux
1 0 0 2 2 0
y0 = B −1 b = 0 1 0 5 = 5 ≥ 0
0 0 1 6 6 0
T
2 1 1
= cTD − π T D = −3 −1 −3 − 0 1
rD 0 0 1 2 3 = −3 −1 −3
2 2 1 6≥ 0 6≥ 0 6≥ 0
q =2
1 0 0 1 1
y2 = B −1 A2 = 0 1 0 2 = 2
0 0 1 2 2
1 no se ha utilizado el costo reducido más negativo
43
Variable saliente
2 5 6
Min , , =2
1 2 2
Ası́, p = 1 y el pivote
Luego, x4 sale de la base
Nueva Base:
Matriz de pivote
[η1 ]
1
1 0 0 1 0 0
2
P1 = −1 1 0 = −2 1 0
2
−1
0 1 −2 0 1
Ası́
1 0 0 1 0 0 1 0 0
−1
B+ = P1 B −1 = −2 1 0 0 1 0 = −2 1 0
−2 0 1 0 0 1 −2 0 1
y los datos para la nueva iteración son:
1 0 0 2 1 1
B = {2, 5, 6} D = {1, 3, 4} B −1 = −2 1 0 D = 1 3 0
−2 0 1 2 1 0
Segunda iteración
Primer paso: Cálculo del lado derecho del Tableaux
1 0 0 2 2 0
y0 = B −1 b = −2 1 0 5 = 1 ≥ 0
−2 0 1 6 2 0
2 1 1
T
= cTD − π T D = −3 −3 0 − −1 0 0 1 3
rD 0 = −1 −2 1
2 1 0 6≥ 0 6≥ 0 ≥ 0
q = 3
44 CAPÍTULO 2. MÉTODO SIMPLEX REVISADO
1
1 0 0 1
y3 = B −1 A3 = −2 1 0 3 = 1
−2 0 1 1 −1
Variable saliente
2 1
Min , ,· = 1
1 1
Ası́, p = 2 y el pivote
Luego, x5 sale de la base
Nueva Base:
Matriz de pivote
[η2 ]
1
1 −1 0 1 −1 0
P2 = 0 11 0 = 0 1 0
−1
0 −1 1 0 1 1
Ası́
1 −1 0 1 0 0 3 −1 0
−1
B+ = P2 B −1 = 0 1 0 −2 1 0 = −2 1 0
0 1 1 −2 0 1 −4 1 1
y los datos para la nueva iteración son:
3 −1 0 2 1 0
B = {2, 3, 6} D = {1, 4, 5} B −1 = −2 1 0 D = 1 0 1
−4 1 1 2 0 0
Tercera iteración
Primer paso: Cálculo del lado derecho del Tableaux
3 −1 0 2 1 0
y0 = B −1 b = −2 1 0 5 = 1 ≥ 0
−4 1 1 6 3 0
Costos reducidos
T
2 1 0
= cTD − π T D = −3 0 0 − 3
rD −2 0 1 0 1 = −7 −3 2
2 0 0 6≥ 0 6≥ 0 ≥ 0
q = 1
3 −1 0 2 5
y1 = B −1 A1 = −2 1 0 1 = −3
−4 1 1 2 −5
Variable saliente
1 1
Min , ·, · =
5 5
Ası́, p = 1 y el pivote
Luego, x2 sale de la base
Nueva Base:
Matriz de pivote
[η1 ]
1 1
5 0 0 5 0 0
−3
P1 = −5 1 0 = 35 1 0
−5
−5 0 1 1 0 1
Ası́
1
5 0 0 3 −1 0 3/5 −1/5 0
−1
B+ = P1 B −1 = 3 1 0 −2 1 0 = −1/5 2/5 0
5
1 0 1 −4 1 1 −1 0 1
y los datos para la nueva iteración son:
3/5 −1/5 0 1 1 0
B = {1, 3, 6} D = {2, 4, 5} B −1 = −1/5 2/5 0 D = 2 0 1
−1 0 1 2 0 0
Cuarta iteración
Primer paso: Cálculo del lado derecho del Tableaux
1
3/5 −1/5 0 2 5 0
y0 = B −1 b = −1/5 2/5 0 5 = 85 ≥ 0
−1 0 1 6 4 0
46 CAPÍTULO 2. MÉTODO SIMPLEX REVISADO
T
1 1 0
= cTD −π T D = −1 0 0 − −6 −3
rD 5 5 0 2 0 1 = 7/5 6/5 3/5
2 0 0 ≥ 0 ≥ 0 ≥ 0
FIN
Finalmente:
x1 1/5 x2 0
x3 = y0 = 8/5 y x4 = 0
x6 4 x5 0
47
P) Min x1 + x2 − 4x3
x1 + x2 + 2x3 ≤ 9
x1 + x2 − x3 ≤ 2
−x1 + x2 + x3 ≤ 4
x1 , x2 , x3 ≥ 0,
(i) (2 Ptos.) Muestre, antes de resolver, que P) admite solución óptima. Apli-
que el Teorema de Existencia de la Programación Lineal
Solución
(i) Claramente x1 = x2 = x3 = 0 es solución de P). Luego, el dominio es no
vacı́o (P) 6= φ)
Para satisfacer la segunda parte de la hipótesis del teorema , necesitamos
que:
cT x = x1 + x2 − 4x3 ≥ K
multiplicando la primera restricción por −1, tenemos:
−x1 − x2 − 2x3 ≥ −9
x1 ≥ 0 ⇒−2x3 ≥ −9 ⇒−4x3 ≥ −18
x2 ≥ 0
T
1 1 2
= cTD − π T D = 1 1
rD −4 − 0 0 0 1 1 −1 = 1 1 −4
−1 1 1 ≥ 0 ≥ 0 6≥ 0
q = 3
49
2
1 0 0 2
y3 = B −1 A3 = 0 1 0 −1 = −1
0 0 1 1 1
Variable saliente
9 4
Min , ·, =4
2 1
Ası́, p = 3 y el pivote
Luego, x6 sale de la base
Nueva Base:
Matriz de pivote
[η3 ]
2
1 0 −1 1 0 −2
P3 = 0 1 −1 = 0 1 1
−1
0 0 1
1
0 0 1
Ası́
1 0 −2 1 0 0 1 0 −2
−1
B+ = P3 B −1 = 0 1 1 0 1 0 = 0 1 1
0 0 1 0 0 1 0 0 1
y los datos para la nueva iteración son:
1 0 −2 1 1 0
B = {4, 5, 3} D = {1, 2, 6} B −1 = 0 1 1 D= 1 1 0
0 0 1 −1 1 1
Segunda iteración
Primer paso: Cálculo del lado derecho del Tableaux
1 0 −2 9 1 0
y0 = B −1 b = 0 1 1 2 = 6 ≥ 0
0 0 1 4 4 0
Costos reducidos
1 1 0
T
= cTD − π T D = 1
rD 1 0 − 0 0 −4 1 1 0 = −3 5 4
−1 1 1 6≥ 0 ≥ 0 ≥ 0
q = 1
1 0 −2 1 3
y1 = B −1 A1 = 0 1 1 1 = 0
0 0 1 −1 −1
Variable saliente
1 1
Min , ·, · =
3 3
Ası́, p = 1 y el pivote
Luego, x4 sale de la base
Nueva Base:
Matriz de pivote
[η1 ]
1
3 0 0 1/3 0 0
0
P1 = −3 1 0 = 0 1 0
−1
−3
0 1 1/3 0 1
Ası́
1/3 0 0 1 0 −2 1/3 0 −2/3
−1 −1
B+ = P1 B = 0 1 0 0 1 1 = 0 1 1
1/3 0 1 0 0 1 1/3 0 1/3
Tercera iteración
Primer paso: Cálculo del lado derecho del Tableaux
51
1/3 0 −2/3 9 1/3 0
y0 = B −1 b = 0 1 1 2 = 6 ≥ 0
1/3 0 1/3 4 13/3 0
T
1 1 0
= cTD − π T D = 1
rD 0 0 − −1 0 −2 1 0 0 = [ 4 1 2 ]
1 0 1 ≥ 0 ≥ 0 ≥ 0
F IN
Ası́:
x1 1/3 x2 0
x5 = y0 = 6 y x4 = 0
x3 13/3 x6 0
Luego, la solución del problema original queda:
x̂1 1/3
x̂ = x̂2 = 0
x̂3 13/3
(i) (1 Ptos.) En base a los resultado fundamentales del curso, muestre que
P es acotado y no vacı́o si y sólo si el siguiente problema lineal admite
solución óptima:
n
X
P) Maximizar xi
i=1
Ax ≤ b
x ≥ 0.
Solución
(i) Debemos demostrar tanto la condición necesaria como la suficiente:
•Condición Necesaria
Por demostrar que:
P acotado y no vacı́o ⇒ P) admite solución óptima.
Consideremos el problema equivalente de minimización:
n
X
P) Min − xi
i=1
Ax ≤ b
x ≥ 0.
53
•Condición Suficiente
Por demostrar que:
Luego P es acotado.
(ii) Debemos demostrar si el siguiente problema admite solución óptima:
P) Max x1 +x2
−x1 +x2 ≥1
x2 ≤3
x1 , x2 ≥0.
2 Por motivos pedagógicos, se ha utilizado el Teorema de Existencia de la Programación
Ası́, P̃) admite solución óptima (y P) también). Con esto, junto con el re-
sultado obtenido en (i), se tiene que P es acotado.
(iii) Como la función objetivo es lineal (y por ende continua), el dominio está de-
finido por restricciones lineales de desigualdad no-estricta (y por ende el dominio
de restricción es cerrado). Además, de lo obtenido en (ii), se tiene que el dominio
es acotado y no vacı́o, por el Teorema de Existencia de Bolzano Weierstrass, se
tiene que P) admite solución óptima.
Para resolver el problema, primero se debe agregar variables de holgura y/o
exceso, de modo de que el problema quede en formato estándar:
P) Min x1 −2x2
−x1 +x2 −x3 =1
x2 +x4 =3
x1 , x2 , x3 , x4 ≥0.
Costos reducidos:
T
−1 0
= cTD − π T D = 1
rD 0 − 0 −2 = [ 1 2 ]
0 1
≥ 0 ≥ 0
FIN
Solución
(i) Debemos demostrar que el conjunto de soluciones óptimas de P), en adelante
X̂, es un poliedro convexo, cerrado, acotado y no vacı́o. Para demostrar que X̂
es convexo y cerrado utilizaremos la solución óptima de P), en adelante x̂. Luego
debemos demostrar primero que x̂ existe.
57
58 CAPÍTULO 3. FASE I DEL MÉTODO SIMPLEX
P) Min − x1 − x2
3x1 + 2x2 + x3 = 20
2x1 + 3x2 + x4 = 20
x1 + 2x2 − x5 = 2
x1 , x2 , x3 , x4 , x5 ≥ 0.
1 Nota: en caso que P no sea acotado, se necesitará demostrar que P ∩ {x|cT x ≤ cT x̂} sı́ es
acotado.
59
•Primera iteración
1 0 0 20 20 0
y0 = B −1 b = 0 1 0 20 = 20 ≥ 0
0 0 1 2 2 0
1 0 0
π T = cTB B −1
= 0 0 1 0 1 0 = 0 0 1
0 0 1
60 CAPÍTULO 3. FASE I DEL MÉTODO SIMPLEX
Costos reducidos
T
3 2 0
= cTD − π T D = 0
rD 0 0 − 0 0 1 2 3 0 = −1 −2 1
1 2 −1 6≥ 0 6≥ 0 ≥ 0
q =2
2
1 0 0 2
y2 = B −1 A2 = 0 1 0 3 = 3
0 0 1 2 2
Variable saliente
20 20 2
Min , , =1
2 3 2
Ası́, p = 3 y el pivote
Luego, x6 sale de la base, y termina la Fase I
Nueva Base:
Matriz de pivote
[η3 ]
2
1 0 −2 1 0 −1
3
P3 = 0 1 −2 = 0 1 −3/2
0 0 1
2
0 0 1/2
Ası́:
1 0 −1 1 0 0 1 0 −1
−1
B+ = P3 B −1 = 0 1 −3/2 0 1 0 = 0 1 −3/2
0 0 1/2 0 0 1 0 0 1/2
Fase II
Tenı́amos el problema original en formato estándar:
P) Min − x1 − x2
3x1 + 2x2 + x3 = 20
2x1 + 3x2 + x4 = 20
x1 + 2x2 − x5 = 2
x1 , x2 , x3 , x4 , x5 ≥ 0.
•Primera iteración
T
3 0 h i
= cTD − π T D = −1 0 − 0
rD 0 −1/2 2 0 = −1/2 −1/2
1 −1
6≥ 0 6≥ 0
q =1
62 CAPÍTULO 3. FASE I DEL MÉTODO SIMPLEX
2
1 0 −1 3 1/2
y1 = B −1 A1 = 0 1 −3/2 2 =
0 0 1/2 1 1/2
Variable saliente
18 17 1
Min , , =2
2 1/2
1/2
Ası́, p = 3 y el pivote
Luego, x2 sale de la base
Nueva Base:
Matriz de pivote
[η3 ]
2
1 0 −1/2 1 0 −4
0 1/2
P3 = 1 −1/2 = 0 1 −1
0 0 1 0 0 2
1/2
Ası́
1 0 −4 1 0 −1 1 0 −3
−1
B+ = P3 B −1 = 0 1 −1 0 1 −3/2 = 0 1 −2
0 0 2 0 0 1/2 0 0 1
•Segunda iteración
1 0 −3 20 14 0
y0 = B −1 b = 0 1 −2 20 = 16 ≥ 0
0 0 1 2 2 0
63
T
2 0
= cTD − π T D = −1 0 − 0 0
rD −1 3 0 =
1 −1
2 −1 ≥ 0 6≥ 0
q = 5
1 0 −3 0 3
y5 = B −1 A5 = 0 1 −2 0 = 2
0 0 1 −1 −1
Variable saliente
14 16 14
Min , ,· =
3 2 3
Ası́, p = 1 y el pivote
Luego, x3 sale de la base
Nueva Base:
Matriz de pivote
[η1 ]
1
3 0 0 1/3 0 0
2
P1 = −3 1 0 = −2/3 1 0
−1
−3 0 1 1/3 0 1
Ası́
1/3 0 0 1 0 −3 1/3 0 −1
−1
B+ = P1 B −1 = −2/3 1 0 0 1 −2 = −2/3 1 0
1/3 0 1 0 0 1 1/3 0 0
y los datos para la nueva iteración son:
1/3 0 −1 2 1
B = {5, 4, 1} D = {2, 3} B −1 = −2/3 1 0 D = 3 0
1/3 0 0 2 0
64 CAPÍTULO 3. FASE I DEL MÉTODO SIMPLEX
•Tercera iteración
2 1 h i
T
= cTD − π T D = −1 0 − −1/3 0 0 3 0 = −1/3 1/3
rD
2 0
6≥ 0 ≥0
q =2
Ası́, p = 2 y el pivote
Luego, x4 sale de la base
Nueva Base:
Matriz de pivote
[η2 ]
−4/3
1 −5/3 0 1 4/5 0
1
P2 = 0 5/3 0 = 0 3/5 0
0 2/3 1 0 −2/5 1
−5/3
65
Ası́
1 4/5 0 1/3 0 −1 −1/5 4/5 −1
−1
B+ = P2 B −1 = 0 3/5 0 −2/3 1 0 = −2/5 3/5 0
0 −2/5 1 1/3 0 0 3/5 −2/5 0
•Cuarta iteración
−1/5 4/5 −1
π T = cTB B −1
= 0 −1 −1 −2/5 3/5 0 = −1/5 −1/5 0
3/5 −2/5 0
Costos reducidos
T
0 1 h i
= cTD − π T D = 0
rD 0 − −1/5 −1/5 0 1 0 = 1/5 1/5
0 0
≥ 0 ≥ 0
FIN
Ası́:
x5 10
x2 = y0 = 4 x4 0
y =
x3 0
x1 4
Luego, la solución del problema original queda:
x̂1 4
x̂ = =
x̂2 4
2 Notar que el orden de los elementos de D debe ser consistente con el orden de las columnas
de D.
66 CAPÍTULO 3. FASE I DEL MÉTODO SIMPLEX
v̂(P) = −1 · 4 + −1 · 4 = −8
(iii) Esta parte del problema se puede resolver tanto en forma algebraica como
en forma gráfica:
Algebraicamente, necesitamos saber cuanto pueden variar los costos, de
modo que los costos reducidos continúen siendo no-negativos. Para esto po-
demos agregar una variación ε a ambos costos de modo que:
c′1 = −1 + ε y c′2 = −1 + ε
La variación ε debe ser pequeña, de modo que c′1 y c′2 continúen siendo estric-
tamente negativos.
Se debe calcular el vector de multiplicadores nuevamente:
−1/5 4/5 −1
π T = cTB B −1 = 0 c′2 c′1 −2/5 3/5
0 =
3/5 −2/5 0
−2/5c′2 + 3/5c′1 3/5c′2 − 2/5c′1
0
Costos reducidos
T
0 1
= cTD − π T D = 0 0 − −2/5c′2 + 3/5c′1 3/5c′2 − 2/5c′1
rD 0 1 0 =
0 0
h i
−3/5c′2 + 2/5c′1 2/5c′2 − 3/5c′1
≥ 0 ≥ 0
(∗) (∗∗)
luego
2 c′ 3
≤ ′1 ≤
3 c2 2
Gráficamente:
x2
10
m = 3/2
7
c′1
5 −c = (1, 1); m = c′2 =1
m = 2/3
4
cT x = v̂(P) = 8
3 T
x̂ = (4, 4)
0 x1
0 1 2 3 4 5 6 7 8 9 10
(i) (1 Pto.) Muestre, antes de resolver, que P) admite solución óptima (al
menos una). Aplique el Teorema de Existencia de la Programación Lineal.
(ii) (1 Pto.) Agregando variables de holgura y/o exceso, reformule P) bajo la
forma estándar equivalente.
(iii) (3 Pto.) Resolviendo un problema de Fase I para este último problema,
mediante el Simplex Revisado con inversa de base Explı́cita, determine
una solución básica factible para P).
(iv) (1 Pto.) ¿La solución básica factible ası́ encontrada, es óptima o no para
el problema original P)? Justifique su respuesta en base al Criterio de
Término del Simplex.
Solución
(i) Se tiene que (x1 , x2 , x3 ) = (2, 6, 0) ∈ P . Luego:
P 6= φ (3.1)
Ası́:
cT x ≥ cte. (3.2)
Luego, de (3.1) y (3.2), P) admite solución óptima.
69
(iii) Claramente, se necesita agregar una variable artificial en las dos primeras
restricciones. Luego nos queda el siguiente problema para la Fase I :
Fase I
P) Min x7 +x8
−x1 +x2 +x3 −x4 +x7 =4
2x1 −x3 −x5 +x8 = 3
x2 +x3 +x6 =6
x1 , x2 , x3 , x4 , x5 x6 , x7 , x8 ≥ 0
−1 1 1 −1 0 0 1 0
A= 2 0 −1 0 −1 0 0 1
0 1 1 0 0 1 0 0
4
b = 3cT = 0 0
0 0 0 0 1 1 .
6
•Primera iteración
q =1
−1
1 0 0 −1
−1 1
y1 = B A = 0 1
0 2 = 2
0 0 1 0 0
Variable saliente:
3
Min ·, , · = 3/2
2
Ası́, p = 2 y el pivote
Luego, x8 sale de la base.
Nueva Base:
Matriz de pivote.
[η2 ]
−1
1 −2 0 1 1/2 0
P2 = 0 12 0 = 0 1/2 0
0
0 −2 1 0 0 1
4 También podrı́a haber sido x2 .
71
Ası́:
1 1/2 0 1 0 0 1 1/2 0
−1
B+ = P2 B −1 = 0 1/2 0 0 1 0 = 0 1/2 0
0 0 1 0 0 1 0 0 1
y los datos para la nueva iteración son:
•Segunda iteración
q =2
1 1/2 0 1 1
y2 = B −1 A2 = 0 1/2 0 0 = 0
0 0 1 1 1
Variable saliente:
11/2 6
Min , ·, = 11/2
1 1
72 CAPÍTULO 3. FASE I DEL MÉTODO SIMPLEX
Ası́, p = 1 y el pivote
Luego, x7 sale de la base y termina la Fase I
Nueva Base:
Matriz de pivote.
[η1 ]
1
1 0 0 1 0 0
0
P1 = −1 1 0 = 0 1 0
1
−1
0 1 −1 0 1
Ası́:
1 0 0 1 1/2 0 1 1/2 0
−1
B+ = P1 B −1 = 0 1 0 0 1/2 0 = 0 1/2 0
−1 0 1 0 0 1 −1 −1/2 1
y los datos para la Fase II (Fase que en este apartado, no se pide realizar), son:
1 1/2 0
B = {2, 1, 6}, B −1 = 0 1/2 0
−1 −1/2 1
Para saber los nuevos valores de las variables de base actuales, necesitamos
calcular el lado derecho:
1 1/2 0 4 11/2
y0 = B −1 b = 0 1/2 0 3 = 3/2
−1 −1/2 1 6 1/2
Fase II
Tenı́amos el problema original en formato estándar:
•Primera iteración
Primer paso: Cálculo del lado derecho del Tableaux (ya se habı́a calculado).
1 1/2 0 4 11/2 0
y0 = B −1 b = 0 1/2 0 3 = 3/2 > 0
−1 −1/2 1 6 1/2 0
1 1/2 0
π T = cTB B −1
= −2 −1 0 0 1/2 0 = −2 −3/2 0
−1 −1/2 1
Costos reducidos.
T
rD = cTD − π T D =
1 −1 0 h i
1 0 0 − −2 −3/2 0 −1 0 −1 = 3/2 −2 −3/2
1 0 0
≥ 0 6≥ 0 6≥ 0
74 CAPÍTULO 3. FASE I DEL MÉTODO SIMPLEX
75
76 CAPÍTULO 4. SIMPLEX CON INVERSA DE BASE EXPLÍCITA
Solución
(i) Se tiene que (x1 , x2 , x3 , x4 ) = (0, 0, 0, 0) ∈ P . Luego:
P 6= φ (4.1)
•Primera iteración
wT U = CB T
⇒ wT I = 0 0 0 ⇒ wT = 0 0
0
π T = wT L̃−1 = 0 0
0 I= 0 0 0
Costos reducidos:
T
8 3 4 1
= cTD − π T D = −3 −4 −1 −1 − 0 0
rD 0 2 6 1 5 =
1 4 5 2
−3 −4 −1 −1
6≥ 0 6≥ 0 6≥ 0 6≥ 0
q = 2
3 3
U y2 = z2 ⇒ Iy2 = 6 ⇒ y2 = 6
4 4
Variable saliente:
7 3 8
Min , , = 1/2
3 6 4
Ası́, p = 2.
Luego, x6 sale de la base.
1 Podrı́a haber sido cualquiera con costo reducido negativo, en este caso todas.
78 CAPÍTULO 4. SIMPLEX CON INVERSA DE BASE EXPLÍCITA
Nueva Base:
[z2 ]
1 0 3
H = 0 0 6
0 1 4
1 0 3
π23 H = 0 1 4 = U +
0 0 6
n o−1
L̃+ = π23 L̃−1 = π23 I = π23
•Segunda iteración
π T = wT L̃−1 = 0 0
−2/3 π23 = 0 −2/3 0
Costos reducidos:
T
8 4 1 0
= cTD − π T D = −3 −1 −1 0 − 0
rD −2/3 0 2 1 5 1 =
1 5 2 0
h i
−5/3 −1/3 7/3 2/3
6≥ 0 6≥ 0 ≥ 0 ≥ 0
q =1
79
Variable saliente:
11/2 1/2
Min , ·, = 11/14
7 1/3
Ası́, p = 1.
Luego, x5 sale de la base.
Nueva Base:
[z1 ]
0 3 8
H = 1 4 1
0 6 2
1 4 1
π12 H = 0 3 8
0 6 2
como |H32 | > |H22 |, se debe hacer una permutación de filas, con el fin de tener
un ”mejor pivote”:
1 4 1
π23 π12 H = 0 6 2
0 3 8
Considerando:
1 0 0 1 0 0
M1 = 0 1 0 = 0 1 0
0 −3/6 1 0 −1/2 1
Se tiene
1 4 1
M1 π23 π12 H = 0 6 2 = U +
0 0 7
n o−1
L̃+ = M1 π23 π12 L̃−1 = M1 π23 π12 π23 = M1 π23 π12 π23
y los datos para la nueva iteración son:
4 1 1 0
B = {7, 2, 1}, D = {3, 4, 5, 6}, D = 1 5 0 1
5 2 0 0
80 CAPÍTULO 4. SIMPLEX CON INVERSA DE BASE EXPLÍCITA
•Tercera iteración
Costos reducidos:
T
4 1 1 0
= cTD − π T D = −1
rD −1 0 0 − −5/21 −23/42 0 1 5 0 1 =
5 2 0 0
h i
1/2 83/42 10/42 23/42
≥ 0 ≥ 0 ≥ 0 ≥ 0
F IN
x̂4 0
(i) (4 ptos.) Aplique la Fase I del Método Simplex Revisado, con inversa de
base implı́cita bajo factorización L̃−1 , U , con el fin de determinar si el
problema P) es o no factible.
(ii) (1 pto.) Teniendo en cuenta i), estudie si P) admite o no solución óptima.
(iii) (1 pto.) Si fuera el caso, encuentre una solución óptima de P) mediante
el Método Simplex Revisado con Inversa de Base Explı́cita. Justifique
claramente su respuesta.
Solución
(i) El problema ya está en formato estándar, pero es conveniente expresar el
lado derecho positivo:
Fase I
•Primera iteración
wT U = CB T
⇒ wT I = 1 1 1 ⇒ wT = 1 1
1
π T = wT L̃−1 = 1 1 1 I = 1 1 1
Costos reducidos:
T
1 2 1 1
= cTD − π T D = 0 0
rD 0 0 − 1 1 1 1 −1 2 1 =
−1 −1 1 1
−1 0 −4 −3
6≥ 0 ≥ 0 6≥ 0 6≥ 0
q =3
83
Nueva Base:
[z3 ]
1 0 1
H = 0 1 2 = U+
0 0 1
n o−1
L̃+ = L̃−1
y los datos para la nueva iteración son:
1 2 1 0
B = {5, 6, 3}, D = {1, 2, 4, 7}, D = 1 −1 1 0
−1 −1 1 1
•Segunda iteración
π T = wT L̃−1 = 1
1 −3 I = 1 1 −3
Costos reducidos:
T
1 2 1 0
= cTD − π T D = 0 0
rD 0 1 − 1 1 −3 1 −1 1 0 =
−1 −1 1 1
−5 −4 1 4
6≥ 0 6≥ 0 ≥0 ≥ 0
q = 1
1 0 1 1 2
U y1 = z1 ⇒ 0 1 2 y1 = 1 ⇒ y1 = 3
0 0 1 −1 −1
Variable saliente:
2 2
Min , , · = 2/3
2 3
Ası́, p = 2.
Luego, x6 sale de la base.
Nueva Base:
[z1 ]
1 1 1
H = 0 2 1
0 1 −1
Considerando:
1 0 0
M1 = 0 1 0
0 −1/2 1
Se tiene
1 1 1
M1 H = 0 2 1 = U+
0 0 −3/2
n o−1
L̃+ = M1 L̃−1 = M1 I = M1
85
•Tercera iteración
q = 2
1 1 1 2 7/3
U y2 = z 2 ⇒ 0 2 1 y2 = −1 ⇒ y2 = −2/3
0 0 −3/2 −1/2 1/3
86 CAPÍTULO 4. SIMPLEX CON INVERSA DE BASE EXPLÍCITA
Variable saliente:
2/3 2/3
Min , ·, = 2/7
7/3 1/3
Ası́, p = 1.
Luego, x5 sale de la base, y termina la Fase I 2 .
Nueva Base:
[z2 ]
1 1 2
H = 2 1 −1
0 −3/2 −1/2
como |H21 | > |H11 |, se debe hacer una permutación de filas, con el fin de tener
un ”mejor pivote”:
2 1 −1
π12 H = 1 1 2
0 −3/2 −1/2
Considerando:
1 0 0
M2 = −1/2 1 0
0 0 1
Se tiene
2 1 −1
M2 π12 H = 0 1/2 5/2
0 −3/2 −1/2
nuevamente, como |H32 | > |H22 |, se debe hacer una permutación de filas, con
el fin de tener un ”mejor pivote”:
2 1 −1
π23 M2 π12 H = 0 −3/2 −1/2
0 1/2 5/2
Considerando:
1 0 0
1 0 0
M3 = 0 1 0 = 0 1 0
1/2
0 − −3/2 1 0 1/3 1
Se tiene
2 1 −1
M3 π23 M2 π12 H = 0 −3/2 −1/2 = U +
0 0 7/3
n o−1
L̃+ = M3 π23 M2 π12 L̃−1 = M3 π23 M2 π12 M1
2 Nótese que como salieron las variables artificiales de la base, el valor óptimo de la Fase I
es cero y ya podemos decir que el problema admite solución óptima. El resto de los cálculos
sólo se hacen para conocer la base y la solución óptima.
87
La nueva base para para la Fase II (de la cual se necesita hacer el primer paso
de la primera iteración, de modo de calcular los nuevos valores de las variables
básicas) es B = {3, 1, 2}
3 4
z0 = L̃−1 b = M3 π23 M2 π12 M1 4 = −1
1 2/3
2 1 −1 4 13/7 0
U yo = z0 ⇒ 0 −3/2 −1/2 y0 = −1 ⇒ y0 = 4/7 ≥ 0
0 0 7/3 2/3 2/7 0
x̄4 0
torización (L̃−1 , U )). Sin embargo, podrı́amos obtener el lado derecho del tableau de forma
análoga a como se hace en la especialización del Simplex para restricciones de cotas. Concre-
tamente:
x+
2 = l2 + ∆ = 0 + 2/7 = 2/7
0 1 0 1 0 1
2/3 7/3 0
+
(xB ) = y0 − ∆y5 = @5/3A − 2/7 @−2/3A = @13/7A
2/3 1/3 4/7
0 1
13/7
xB+ = @ 4/7 A
2/7
Esta vez, se debe ser consistente con el nuevo orden en que se lleva la base. Ahora la variable
que entra a la base, no lo hace en la posición de la variable que sale de la base, sino que entra
en la última posición, lo mismo ocurre con el nuevo lado derecho.
Calcular el nuevo lado derecho de esta forma nos permite continuar con el ejercicio sin necesitar
la nueva factorización (L̃−1 , U ).
88 CAPÍTULO 4. SIMPLEX CON INVERSA DE BASE EXPLÍCITA
P 6= φ (4.2)
−1 −1 1 1 1
Ası́4 :
2/7 1/7 3/7
B −1 = U −1 L̃−1 = −1/7 3/7 −5/7
3/7 −2/7 1/7
Se tiene todos los datos para continuar con la Fase II del Método Simplex
con Inversa de Base Explı́tita.
Fase II
Primer paso: Cálculo del lado derecho del Tableaux.
Ya lo obtuvimos en el apartado i)
13/7
y0 = 4/7
2/7
π T = cTB B −1 =
2/7 1/7 3/7
−3 −1 −2 −1/7 3/7 −5/7 = −11/7 −2/7 −6/7
3/7 −2/7 1/7
Costos reducidos:
1 h i
T
= cTD − π T D = −4 − −11/7 −2/7 −6/7 1 = −9/7
rD
1
6≥ 0
q =4
6/7
2/7 1/7 3/7 1 −3/7
y4 = B −1 A4 = −1/7 3/7 −5/7 1 =
3/7 −2/7 1/7 1 2/7
Variable saliente
13/7 2/7
Min , ·, =1
6/7
2/7
Ası́, p = 3 y el pivote
Luego, x2 sale de la base
Nueva Base:
Matriz de pivote
[η3 ]
6/7
1 0 −2/7 1 0 −3
P3 = 0 1 −3/7 = 0 1 3/2
−2/7
0 0 1 0 0 7/2
2/7
Ası́
1 0 −3 2/7 1/7 3/7 −1 1 0
−1
B+ = P3 B −1 = 0 1 3/2 −1/7 3/7 −5/7 = 1/2 0 −1/2
0 0 7/2 3/7 −2/7 1/7 3/2 −1 1/2
•Segunda iteración
−1 1 0 3 1 0
y0 = B −1 b = 1/2 0 −1/2 4 = 1 ≥ 0
3/2 −1 1/2 1 1 0
91
−1 1 0
π T = cTB B −1
= −3 −1 −4 1/2 0 −1/2 = −7/2 1 −3/2
3/2 −1 1/2
Costos reducidos:
T
2 h i
= cTD − π T D = −2 − −7/2 1
rD −3/2 −1 = 9/2
−1
≥ 0
F IN
v̂(P)) = cT x̂ = −1 · 1 − 2 · 0 − 3 · 1 − 4 · 1 = −8
•Primera iteración
0 0 7/3
wT = −3/2 −1/3 −11/7
92 CAPÍTULO 4. SIMPLEX CON INVERSA DE BASE EXPLÍCITA
π T = wT L̃−1 =
−3/2 −1/3 −11/7 M3 π23 M2 π12 M1 = −11/7 −2/7 −6/7
Costos reducidos:
1 h i
T
= cTD − π T D = −4 − −11/7 −2/7 −6/7 1 = −9/7
rD
1
6≥ 0
q = 4
2 1 −1 1 6/7
U y4 = z4 ⇒ 0 −3/2 −1/2 y4 = 1/2 ⇒ y4 = −3/7
0 0 7/3 2/3 2/7
Variable saliente: ( )
13/7 2/7
Min , ·, =1
6/7 2/7
Ası́, p = 3.
Luego, x2 sale de la base.
Nueva Base:
[z4 ]
2 1 1
H = 0 −3/2 1/2 = U +
0 0 2/3
n o−1
L̃+ = L̃−1 = M3 π23 M2 π12 M1
•Segunda iteración
Costos reducidos:
T
2 h i
= cTD − π T D = −2 − −7/2 1
rD −3/2 −1 = 9/2
−1
≥ 0
F IN
v̂(P)) = cT x̂ = −1 · 1 − 2 · 0 − 3 · 1 − 4 · 1 = −8
94 CAPÍTULO 4. SIMPLEX CON INVERSA DE BASE EXPLÍCITA
Capı́tulo 5
P) Min x1 +2x2
x1 −x2 ≥2
x1 +x2 ≤ − 1
0 ≤x1 ≤ 3
−3 ≤x2 ≤ 0
Solución
En el siguiente gráfico se puede distinguir el dominio de restricción y el dominio
dado por las restricciones de cotas:
95
96 CAPÍTULO 5. SIMPLEX CON COTAS
x2
x1
1 2 3
−1
−2
−3
P) Min x1 +2x2
x1 −x2 −x3 =2
x1 +x2 +x4 = − 1
0 ≤x1 ≤ 3
−3 ≤x2 ≤ 0
0 ≤x3
0 ≤x4
P) Min x1 +2x2
−x1 +x2 +x3 =−2
x1 +x2 +x4 = − 1
0 ≤x1 ≤ 3
−3 ≤x2 ≤ 0
0 ≤x3
0 ≤x4
97
Si quisiéramos hacer Fase I, debemos elegir en qué cota quedará cada variable
(en el caso de las variables de holgura y/o exceso, en su única cota 0). Una vez
hecho esto, debemos determinar cuáles restricciones son violadas, de modo de
agregar variables artificiales a cada una de éstas. Sin embargo, la cantidad de
variables artificiales que se necesita (eventualmente ninguna, lo que implicarı́a
no hacer Fase I ) depende de que cotas elijamos para las variables fuera de base.
Para este problema (tomando en cuenta que las variables de holgura y/o
exceso sólo pueden quedar en su cota 0, pues están fuera de la base), temenos
cuatro casos:
•Caso I
u u
Variables fuera de base D = {1, 2}:
) (
x1 = 3 x3 = 1
⇒ ⇒ infactible
x2 = 0 x4 = −4
•Caso II
l u
Variables fuera de base D = {1, 2}:
) (
x1 = 0 x3 = −2
⇒ ⇒ infactible
x2 = 0 x4 = −1
•Caso III
u l
Variables fuera de base D = {1, 2}:
) (
x1 = 3 x3 = 4
⇒ ⇒ infactible
x2 = −3 x4 = −1
•Caso IV
l l
Variables fuera de base D = {1, 2}:
) (
x1 = 0 x3 = 1
⇒ ⇒ factible
x2 = −3 x4 = 2
98 CAPÍTULO 5. SIMPLEX CON COTAS
Cabe notar que cada uno de estos casos define un punto del espacio dado
por el problema original. En este caso, tal como se puede ver en el gráfico, el
punto (x1 , x2 ) = (0, −3), dado por el Caso IV, es el único punto factible en el
dominio del problema original.
99
(i) (0.5 Pto.) Muestre, antes de resolver, que P) admite solución óptima.
(iv) (1 Pto.) ¿Qué ventajas tiene la aplicación del Simplex Revisado para Res-
tricciones de Cotas, sobre el Simplex Revisado Clásico aplicado directa-
mente al problema con sólo restricciones de signo equivalente? Fundamente
su respuesta de manera breve y precisa.
Solución
(i) Se tiene que (x1 , x2 , x3 , x4 ) = (0, 4, 10, 2) ∈ P (De hecho, nos dicen que esta
base es factible). Luego:
P 6= φ (5.1)
0 ≤x1 ≤ 3
1 ≤x2 ≤ 4
0 ≤x3 ≤10
2 ≤x4 ≤ 5
l u u l
B = {5, 6, 7}, D = {1, 2, 3, 4},
1 0 0 2 −1 1 −2
B = 0 1 0 , D = −1 2 −1 1
0 0 1 −2 −1 1 −6
•Primera iteración
y0 = B −1 b − B −1 Dxd =
0
1 0 0 6 1 0 0 2 −1 1 −2 4
0 1 0 8 − 0 4
1 0 −1 2 −1 1
10
= 8
0 0 1 −2 0 0 1 −2 −1 1 −6 4
2
Costos reducidos:
2 −1 1 −2
T
= cTD − π T D = 1 2
rD 3 −1 − 0 0 0 −1 2 −1 1 =
−2 −1 1 −6
1 2 3 −1
l u u l
≥ 0 6≤ 0 6≤ 0 6≥ 0
q = 3
1
1 0 0 1
y3 = B −1 A3 = 0 1 0 −1 = −1
0 0 1 1
1
Variable saliente:
8−0
γ1 = Min ·, , · = 8
1
⇒ ∆ = Min {8, ·, 10} = 8
γ2 = Min {·, ·, ·} = ·
γ3 = 10 − 0 = 10
Ası́, p = 2 y el pivote
Luego, x6 sale de la base en su cota inferior.
Nueva Base:
Matriz de pivote.
[η ]
12
1 1 0 1 1 0
1
P2 = 0 −1 0 = 0 −1 0
0 1 1
1 0 1 1
Ası́:
1 1 0 1 0 0 1 1 0
−1
B+ = P2 B −1 = 0 −1 0 0 1 0 = 0 −1 0
0 1 1 0 0 1 0 1 1
y los datos para la nueva iteración son:
l u l l
B = {5, 3, 7}, D = {1, 2, 4, 6},
1 1 0 2 −1 −2 0
B −1 = 0 −1 0 y D = −1 2 1 1
0 1 1 −2 −1 −6 0
103
•Segunda iteración
x+ 3 = u3 − ∆ = 10 − 8 = 2
12
4 1
x+
B = y 0 + ∆y 3 = 8 + 8 −1 = 0
4 1 12
12
xB + = 2
12
q = 2
1
1 1 0 −1
y2 = B −1 A2 = 0 −1 0 2 = −2
0 1 1 −1
1
Variable saliente:
2−0
γ1 = Min ·, , · = 1
2
⇒ ∆ = Min {1, ·, 3} = 1
γ2 = Min {·, ·, ·} = ·
γ3 = 4 − 1 = 3
Ası́, p = 2 y el pivote
104 CAPÍTULO 5. SIMPLEX CON COTAS
Nueva Base:
Matriz de pivote.
[η ]
12
1 2 0 1 1/2 0
P2 = 0 1 0 = 0 −1/2 0
−2
0 1 1
2 0 1/2 1
Ası́:
1 1/2 0 1 1 0 1 1/2 0
−1
B+ = P2 B −1 = 0 −1/2 0 0 −1 0 = 0 1/2 0
0 1/2 1 0 1 1 0 1/2 1
l l l l
B = {5, 2, 7}, D = {1, 4, 6, 3},
1 1/2 0 2 −2 0 1
B −1 = 0 1/2 0 y D = −1 1 1 −1
0 1/2 1 −2 −6 0 1
•Tercera iteración
x+
2 = u2 − ∆ = 4 − 1 = 3
13
12 1
x+
B = y 0 + ∆y 2 = 2 + 1 −2 = 0
12 1 13
13
xB + = 3
13
1 1/2 0
π T = cTB B −1
= 0 2 0 0 1/2 0 = 0 1 0
0 1/2 1
105
Costos reducidos:
T
2 −2 0 1
= cTD − π T D = 1 −1 0
rD 3 − 0 1 0 −1 1 1 −1 =
−2 −6 0 1
2 −2 −1 4
l l l l
≥ 0 6≥ 0 6≥ 0 ≥ 0
q = 4
−3/2
1 1/2 0 −2
y4 = B −1 A4 = 0 1/2 0 1 =
1/2
0 1/2 1 −6
−11/2
Variable saliente:
3−1
γ1 = Min ·, , · = 4
1/2 ⇒ ∆ = Min {4, ·, 3} = 3
γ2 = Min {·, ·, ·} = ·
γ3 = 5 − 2 = 3
l u l l
B = {5, 2, 7}, D = {1, 4, 6, 3},
1 1/2 0 2 −2 0 1
B −1 = 0 1/2 0 y D = −1 1 1 −1
0 1/2 1 −2 −6 0 1
•Cuarta iteración
Segundo paso
Como no cambia la base, no cambian los valores de π T , ni los costos reduci-
dos.
T
rD =
2 −2 −1 4
l u l l
≥ 0 ≤ 0 6≥ 0 ≥ 0
q =6
1/2
1 1/2 0 0
y6 = B −1 A6 = 0
1/2 0 1 =
1/2
0 1/2 1 0
1/2
Variable saliente:
35/2 − 0 3/2 − 1 59/2 − 0
γ1 = Min , , = 1
1/2 1/2
1/2 ⇒ ∆ = Min {1, ·, ·} = 1
γ2 = Min {·, ·, ·} = ·
γ3 = ·
Ası́, p = 2 y el pivote
Luego, x2 sale de la base en su cota inferior.
Nueva Base:
Matriz de pivote.
[η2 ]
1/2
1 −1/2 0 1 −1 0
1
P2 = 0 0 = 0 2 0
1/2
0 1/2 1 0 −1 1
−1/2
Ası́:
1 −1 0 1 1/2 0 1 0 0
−1
B+ = P2 B −1 = 0 2 0 0 1/2 0 = 0 1 0
0 −1 1 0 1/2 1 0 0 1
107
l u l l
B = {5, 6, 7}, D = {1, 4, 3, 2},
1 0 0 2 −2 1 −1
B −1 = 0 1 0 y D = −1 1 −1 2
0 0 1 −2 −6 1 −1
•Quinta iteración
x+
6 = l6 + ∆ = 0 + 1 = 1
17
35/2 1/2
x+
B = y 0 − ∆y 6 = 3/2 − 1 1/2 = 1
59/2 1/2 29
17
xB + = 1
29
1 0 0
π T = cTB B −1
= 0 0 0 0 1 0 = 0 0 0
0 0 1
Costos reducidos:
T
2 −2 1 −1
= cTD − π T D = 1 −1 3
rD 2 − 0 0 0 −1 1 −1 2 =
−2 −6 1 −1
1 −1 3 2
l u l l
≥ 0 ≤ 0 ≥ 0 ≥ 0
FIN
x̂4 5
v̂(P) = 1 · 0 + 2 · 1 + 3 · 0 − 1 · 5 = −3
(iv) El Simplex con Cotas, al considerar las restricciones de cotas como tales,
disminuye la cantidad de variables de holgura y/o exceso y el tamaño de la
base, con la consecuente disminución en el tamaño del problema y la cantidad
de operaciones que se necesita para resolverlo.
109
(i) (1 Pto.) Antes de resolver, muestre que el problema admite al menos una
solución óptima.
Solución
(i) Se tiene que (x1 , x2 , x3 ) = (0, 0, 0) ∈ P . Luego:
P 6= φ (5.2)
0 ≤x1 ≤3
0 ≤x2 ≤6
−4 ≤x3 ≤0
Fase I
En este caso, x̄ no cumple la primera restricción (o equivalentemente, la
x4 debe ser estrictamente menor que cero). Luego, necesitamos una variable
artificial esta última:
˜ Min x
P̃) 6
3x1 +x2 +x̃3 +x4 −x6 =12
x2 +2x̃3 +x5 =8
0 ≤ x1 ≤ 3
0 ≤ x2 ≤ 6
0 ≤ x̃3 ≤ 4
0 ≤ x4
0 ≤ x5
0 ≤ x6
˜ Min x
P̃) 6
−3x1 −x2 −x̃3 −x4 +x6 =−12
x2 +2x̃3 +x5 = 8
0 ≤ x1 ≤ 3
0 ≤ x2 ≤ 6
0 ≤ x̃3 ≤ 4
0 ≤ x4
0 ≤ x5
0 ≤ x6
Nuestra base inicial es B = {6, 5} (de modo que las columnas de A, relacio-
nadas con estas variables, formen la identidad).
Podemos obtener la matriz A y los vectores b y cT :
−3 −1 −1 −1 0 1 −12
cT = 0
A= b= 0 0 0 0 1 .
0 1 2 0 1 0 8
u u l l
B = {6, 5}, D = {1, 2, 3, 4},
1 0 −3 −1 −1 −1
B= , D=
0 1 0 1 2 0
•Primera iteración
y0 = B −1 b − B −1 Dxd =
3
1 0 −12 1 0 −3 −1 −1 −1
6 = 3
−
0 1 8 0 1 0 1 2 0 0 2
0
1 0
π T = cTB B −1 = 1 0
= 1 0
0 1
Costos reducidos:
T
−3 −1 −1 −1
= cTD − π T D = 0 0
rD 0 0 − 1 0 =
0 1 2 0
[ 3 1 1 1 ]
u u l l
6≤ 0 6≤ 0 ≥ 0 ≥ 0
q = 1
1 0 −3 −3
y1 = B −1 A1 = =
0 1 0
0
Variable saliente:
3−0
γ1 = Min , · = 1
3
⇒ ∆ = Min {1, ·, 3} = 1
γ2 = Min {·, ·} = ·
γ3 = 3 − 0 = 3
Ası́, p = 1 y el pivote
Luego, x6 sale de la base en su cota inferior y termina la Fase I.
Nueva Base:
Matriz de pivote.
[η1 ]
1
−3 0 −1/3 0
P1 = 0 =
3
0 0 1
Ası́:
−1 −1/3 0 1 0 −1/3 0
B+ = P1 B −1 = =
0 1 0 1 0 1
y los datos para la Fase II son:
u l l −1/3 0
B = {1, 5}, D = {2, 3, 4} y B −1 =
0 1
Fase II
˜ en formato estándar5 :
El problema P̃)
˜ Min −2x −x −3x
P̃) 1 2 3
−3x1 −x2 −x̃3 −x4 =−12
x2 +2x̃3 +x5 = 8
0 ≤ x1 ≤ 3
0 ≤ x2 ≤ 6
0 ≤ x̃3 ≤ 4
0 ≤ x4
0 ≤ x5
u l l
De la Fase I tenı́amos que B = {1, 5} y D = {2, 3, 4}. Entonces:
−1 −1 −1
D=
1 2 0
•Primera iteración
x+
1 = u1 − ∆ = 3 − 1 = 2
3 −3 0
x+
B = y0 + ∆y1 = 2
+1
0
=
2
2
xB + =
2
q = 3
Ası́, p = 2 y el pivote
Luego, x5 sale de la base en su cota inferior.
Nueva Base:
Matriz de pivote.
[η2 ]
1/3 !
1 −2 1 −1/6
P2 = 1 =
0 2
0 1/2
Ası́:
−1 1 −1/6 −1/3 0 −1/3 −1/6
B+ = P2 B −1 = =
0 1/2 0 1 0 1/2
y los datos para la nueva iteración son:
u l l −1/3 −1/6 −1 −1 0
B = {1, 3}, D = {2, 4, 5}, B −1 = yD=
0 1/2 1 0 1
•Segunda iteración
x+
3 = l3 + ∆ = 0 + 1 = 1
5/3
2 1/3
x+
B = y0 − ∆y3 = 2
−1
2
=
0
5/3
xB + =
1
q = 2
116 CAPÍTULO 5. SIMPLEX CON COTAS
•Tercera iteración
Segundo paso.
Como la base no cambia, no cambia el vector de multiplicadores π, ni los
costos reducidos.
T
rD =
h i
5/6 2/3 7/6
l l l
≥ 0 ≥ 0 ≥ 0
F IN
Luego, la solución del problema original (reemplazando x̃3 por −x3 ) queda:
x̂1 8/3
x̂ = x̂2 = 0
x̂3 −4
Problema de Transporte
Toda la carga es del mismo tipo, de modo que se requiere un solo tipo de
barco. Los tiempos de viaje, medidos en dı́as de navegación, entre las distintas
ciudades, están dados en la siguiente tabla:
119
120 CAPÍTULO 6. PROBLEMA DE TRANSPORTE
Solución
(i) Formulación del problema:
4 X
X 4
P) Min Cij xij
i=1 j=1
4
X
xij ≤ Oi ∀i = 1, . . . , 4
j=1
4
X
xij ≥ Dj ∀j = 1, . . . , 4
i=1
xij ≥ 0 ∀i, j = 1, . . . , 4
36 32 33 19 3
10 8 7 20 2
12 17 16 29 , O = D = 1 .
Cij =
23 15 16 28 1
P4 P4
Como i=1 Oi = j=1 Dj = 7, el problema está balanceado.
(ii) Como P) es una Problema de Hitchcock balanceado, P) admite solución
óptima 1 . Por las mismas razones, el Método Simplex aplicado a este tipo de
problemas provee una solución óptima entera en un número finito de iteraciones.
(ii) Utilizando la Regla Nor-oeste, se obtiene la siguiente solución factible inicial
degenerada:
3 0
2 0
1 0
1
no-lineal
122 CAPÍTULO 6. PROBLEMA DE TRANSPORTE
•Primera iteración
Cálculo de π.
u
36 32 44
8 7 20
16 29 29
28 28
v −8 −12 −13 0
Costos reducidos.
· · 2 −25
−2 · · 0
−9 0 · ·
3 −1 1 ·
Variable saliente.
3 0−∆ +∆
2+∆ 0−∆
1+∆ 0−∆
1
Nueva Solución Básica
3 0
2 0
1 0
1
•Segunda iteración
Cálculo de π.
u
36 19 19
8 7 20
16 29 29
28 28
v 17 −12 −13 0
Costos reducidos.
· 25 27 ·
−27 · · 0
−34 0 · ·
−22 −1 1 ·
Variable saliente.
3−∆ 0+∆
2 0
+∆ 1 0−∆
1
123
3 0
2 0
0 1
1
•Tercera iteración
Cálculo de π.
u
36 19 19
8 7 −14
12 16 −5
28 28
v 17 22 21 0
Costos reducidos.
· −9 −7 ·
7 · · 34
· 0 · 34
−22 −35 −33 ·
Variable saliente.
3−∆ 0+∆
2−∆ 0+∆
0+∆ 1−∆
+∆ 1−∆
2 1
1 1
1 0
1
•Cuarta iteración
Cálculo de π.
u
36 19 19
8 7 −14
12 16 −5
15 −7
v 17 22 21 0
124 CAPÍTULO 6. PROBLEMA DE TRANSPORTE
Costos reducidos.
· −9 −7 ·
7 · · 34
· 0 · 34
13 · 2 35
Variable saliente.
2−∆ +∆ 1
1−∆ 1+∆
1+∆ 0−∆
1
Nueva Solución Básica
2 0 1
1 1
1
1
•Quinta iteración
Cálculo de π.
u
36 32 19 19
8 7 −5
12 −5
15 2
v 17 13 12 0
Costos reducidos.
· · 2 ·
−2 · · 25
· 9 9 34
4 · 2 26
Variable saliente.
2−∆ 0+∆ 1
+∆ 1 − ∆ 1
1
1
Nueva Solución Básica
1 1 1
1 1
1
1
125
•Sexta iteración
Cálculo de π.
u
36 32 19 19
10 7 −7
12 −5
15 2
v 17 13 14 0
Costos reducidos.
· · 0 ·
· 2 · 27
· 9 7 34
4 · 0 26
(iii) Aplicando el criterio de optimalidad del Simplex, estudie hasta qué nivel
puede aumentar el costo del lavado en servicio lento, sin que cambie el
costo óptimo del problema obtenido en ii).
Solución
(i) Formulación del problema:
bS = 200
S
D1 bD = −100
1
bO = 100
1 O1
D2 bD = −130
2
bO = 130
2 O2
D3 bD = −150
3
bO = 150
3 O3
D4 bD = −140
4
bC = 520
C
0 b0 = −580
127
100 100
30 70
80 50
90 60
520
•Primera iteración
Cálculo de π.
u
0 0 −10
6 4 −4
6 4 −2
6 0 0
0 0
v 10 10 8 6 0
Costos reducidos.
· · 2 4 10
∞ · · 2 4
∞ ∞ · · 2
∞ ∞ ∞ · ·
2 2 4 6 ·
El nuevo π.
u
0 0 −10 + 2ǫ
6 4+ǫ −4 + 2ǫ
6 4+ǫ −2 + ǫ
6 0 0
0 0
v 10 − 2ǫ 10 − 2ǫ 8−ǫ 6 0
· · 2−ǫ 4 − 2ǫ 10 − 2ǫ
∞ · · 2 − ǫ 4 − 2ǫ
∞ ∞ · · 2−ǫ
∞ ∞ ∞ · ·
2 + 2ǫ 2 + 2ǫ 4+ǫ 6 ·
Para que la solución óptima no cambie, los costos reducidos deben perma-
necer positivos (tomando en cuenta que la solución es no-degenerada). Como
ǫ > 0, esto es equivalente a:
2 − ǫ ≥ 0
4 − 2ǫ ≥ 0 ⇒ ǫ ≤ 2
10 − 2ǫ ≥ 0
Ejercicio 6.3
Considere una empresa que fabrica un sólo producto. Esta empresa posee m
fábricas para producir el producto y n centros de distribución, los cuales pue-
den recibir productos desde cualquiera de las m fábricas. Todos los productos
fabricados son destinados a algún centro de distribución. Los costos unitarios
de transporte entre los puertos i y j son denotados por cij (i = 1, . . . , m y
j = 1, . . . , n). Cada fábrica produce un total de ai productos (i = 1, . . . , m)
y cada centro de distribución entrega bj productos (j = 1, . . . , n). Suponga
además que existe un exceso de oferta y que, en estas circunstancias, algunos
de los centros de distribución (por simplicidad y sin pérdida de generalidad, los
r primeros centros de distribución, con r ≤ n), están dispuestos a recibir en
deması́a toda la cantidad sobrante que les pudiere ser asignada. Se desea cono-
cer la cantidad de producto que debe ser enviada desde cada fábrica hacia cada
centro de distribución, de modo de minimizar los costos totales de transporte.
Solución
(i) Si denotamos por ∆ al exceso de oferta:
m
X n
X
∆= ai − bj
i=1 j=1
(r − 1)∆ 0
a1 O1 D1 b1 + ∆
O2
...
a2
Dr br + ∆
Dr+1
...
br+1
...
am Om Dn bn
Notar que el nodo adicional sólo tiene arcos hacia los r primeros nodos.
131
(ii) Como no existen arcos entre todos los nodos, no basta con decir que la red
está balanceada para demostrar existencia. Para esto, utilizaremos el Teorema
de Existencia de la Programación No-Lineal.
Cada flujo es no-negativo, luego:
n
X
0 ≤ xij ≤ xij = ai , i = 1, . . . , m; j = 1, . . . , n.
j=1
lución básica factible inicial, basta con aplicar la Regla Nor-Oeste directamente sobre la red
balanceada.
132 CAPÍTULO 6. PROBLEMA DE TRANSPORTE
•Primera iteración
Cálculo de π.
u
0 3
6 7 9
3 5 5
v −3 −2 0
Costos reducidos.
· −1 ∞
· · 0
2 · ·
Variable saliente.
1 − ∆ +∆
3+∆ 2−∆
1 6
1
4 1
1 6
•Segunda iteración
Cálculo de π.
u
0 2
6 7 9
3 5 5
v −3 −2 0
Costos reducidos.
1 · ∞
· · 0
2 · ·
D̃1 ∆
...
(r − 1)∆
D̃r ∆
a1 O1 D1 b1
O2
...
a2
Dr br
Dr+1
...
br+1
...
am Om Dn bn
cuyos costos desde los nodos de oferta originales replican los costos desde estos
134 CAPÍTULO 6. PROBLEMA DE TRANSPORTE
mismos arcos, hacia los r primeros nodos originales. Los costos desde el arco
cero siguen siendo nulos:
Esta formulación, si bien es más compleja, puede ser útil en caso de que los
r primeros nodos acepten productos en deması́a, pero a un costo distinto al que
recibirı́an los bj primeros productos. En este caso Ci,̃ 6= Ci,j , donde j = 1 . . . , r
(subı́ndice de los nodos de demanda originales Dj ) y ̃ = 1 . . . , r (subı́ndice de
los nodos de demanda adicionales D̃̃ ).
Capı́tulo 7
b2 = 0
2
1
-1
1
3
5 b3 = 2 3
-2
1 4
b1 = 1 b4 = −3
(i) Aplicando el Método Simplex para Flujo en Redes, estudie si este pro-
blema admite o no solución óptima. Para ello, muestre primeramente que
el problema admite flujos factibles (al menos uno), resolviendo la Fase I
de Simplex para este problema.
(ii) Si fuera el caso, encuentre una solución óptima del problema original, apli-
cando el mismo algoritmo Simplex para Flujo en Redes de Costo Mı́nimo
de este problema, partiendo del árbol básico factible eventualmente en-
contrado en (i).
135
136 CAPÍTULO 7. SIMPLEX DE REDES
Solución
(i) Se tiene el siguiente problema de Fase I:
0 1
0
1 2
0
1 0
0
3
0 0
2
0
1 4 3
1
Primera iteración
π 0 = −1
3
0 0
−∆
1
0
1 2 π 2 = −2
2
0
1 0
0 2
∆
1 − 3
0 π 3 = −2 0
0
1 +∆ 4 3
π 1 = −2 π4 = 0
1
Segunda iteración
1
π 0 = −1
2
0 0
−∆
1
0 −
∆
1 2 π 2 = −2
2
0 +∆
0 2 0
3
0 π 3 = −2 0
0
1 1 4 3
π1 = 0 π4 = 0
1
r12 =0 + 0 − (−2) = 2 ≥ 0
r14 =−2 + 0 − (0) =−2 6≥ 0
Luego x24 entra a la base. ∆ = 0 ⇒ x02 sale de la base
Tercera iteración
1
π 0 = −1
2
0 0
−∆
1 2 π2 = 0
2
−∆ 0
0
0 2
3 0
0 π = −2 0
+∆ 3
0
1 1 +∆ 4 3
π1 = 0 π4 = 0
1
r12 = 0 + 0 − (0) = 0 ≥ 0
r14 =−2 + 0 − (0) =−2 6≥ 0
138 CAPÍTULO 7. SIMPLEX DE REDES
Luego x31 entra a la base. ∆ = 2 ⇒ x30 (o x04 ) sale de la base. Como queda
sólo un arco artificial en la base, se termina la Fase I.
Ası́, se tiene la siguiente solución (básica degenerada) factible:
0
2
3
1 3 4 3
1
que implica:
−x12 − 2x14 − x24 + 2x31 + x32 ≥ −2 (7.5)
2x12 ≥ 0
3x31 ≥ 0 (7.6)
3x43 ≥ 0
2 π2 =1
1 +∆ +∆
0
1 2
3 -1
5 π 3 = −3 3
−∆
2
-2
1 3 −∆ 4 3
π1 = 2 π4 = 0
1
r12 = 2 − 1 + 1 = 2 ≥ 0
r32 =−3 + 1 − 1 =−3 6≥ 0
2 π2 =1
1 2
2
1 2
3 -1
5 π3 = 0 3
-2
1 1 4 3
π1 = 2 π4 = 0
1
r12 =2 − 1 + 1 =2 ≥ 0
r31 =0 + 5 − 2 =3 ≥ 0
r43 =0 + 3 − 0 =3 ≥ 0
1 2
2
2
3
1 1 4 3
1
141
b1 = 3 b2 = −1
1
1 2
Cij
3 -2 4 i j
3
3 4
b3 = 2 b4 = −3
P4
Nota: Como i=1 bi 6= 0, reformule primeramente el problema como uno
equivalente balanceado, para luego aplicar el Método de las Dos Fases, con Fase I
Económica, al problema resultante.
Solución
Se tiene:
4
X
bi = 3 + (−1) + 2 + (−3) = 1 > 0 ⇒ Hay exceso de oferta
i=1
1
3
1 1
2
0
1 5 3 4
-2
3 3 4
2 3
Nota: Se deja de tarea el Método de Flujo en Redes con Dos Fases Clásico,
donde en la Fase I se agrega un nodo 0 a la red balanceada.
142 CAPÍTULO 7. SIMPLEX DE REDES
1
3
1 0
2
0 1
1 5 0 0
0
0
1
3 0 4
2 3
1
3
1 0
2
1
3
0 1
1 5 0 0
0
2
0 3
1
3 0 4
2 3
(i) Los dos arcos de balanceo (1, 5) y (3, 5) con costos nulos
(ii) Los arcos artificiales (5, 2) y (5, 4), con costos artificiales iguales a 1.
De hecho, todos los arcos originales del problema están con costo nulo en la
Fase 1 Económica. No obstante, los arcos de balanceo seguirán teniendo costo
nulo en la Fase II, obviamente.
143
Fase I
Primera iteración
1
3
π1 = 0
+∆ π2 =1
1 0
2
−∆ 1 −∆
3
0 1
1 5 0 0
0
π5 = 0 2
0 3
1
π4 =1
3 0 4
π3 = 0
2 3
r12 =0 + 0 − 1 = − 1 6≥ 0
1
3
π1 = 0
1 +∆ π2 = 0
1 0
2
∆
2 −
0
1 5 0 0 +∆
0
π5 = 0 2
3 −∆
0
1
π4 =1
3 0 4
π3 = 0
2 3
r24 =0 + 0 − 1 = − 1 6≥ 0
Tercera iteración
1
3
π1 = 1
3
1 2 π2 =1
0
1 5 0 0 2
0
π5 = 0 2
−∆ 1 −
0 ∆
1
+∆ π4 =1
3 0 4
π3 = 0
2 3
r34 =0 + 0 − 1 = − 1 6≥ 0
Luego x34 entra a la base. ∆ = 1 ⇒ x54 sale de la base. Como (5, 4) era el
último arco artificial en la base, el nuevo árbol básico resulta factible para el
problema original (balanceado), es decir, define un árbol básico factible inicial
para la Fase II, como sigue:
1
3
3
1 0
2
0
1 5 0 0 2
0
1
0
1
3 0 4
2 3
Fase II
Primera iteración
1
3
π 1 = −2
3
1 2 π 2 = −1
1
1 5 3 +∆ 4 2 +∆
-2
π5 = 0 1
0
1 −∆
3 4 π4 = 3
3
π3 = 0
2 3
r13 = −1 + 3 − 0 = 1 ≥ 0
r32 =0 + (−2) − (−1) =−1 6≥ 0
1
3
π 1 = −3
3 −∆
1 2 π 2 = −2
1
+∆
0
+∆
1 5 3 1 4 3
-2
π5 = 0 1
−∆
0
3 4 π4 = 2
3
π3 = 0
2 3
r15 =−3 + 0 − 0 = − 3 6≥ 0
Tercera iteración
1
3
π 1 = −3
2
1 2 π 2 = −2
1
1
0
1 5 3 2 4 3
-2
π5 = 0
0
3 4 π4 = 2
3
π3 = 0
2 3
r13 =0 + 3 − 3 =0 ≥ 0
r34 =3 + 3 − 5 =1 ≥ 0
r13 =3 + 0 − 0 =3 ≥ 0
b2 = 0
2
(0,2,1)
(0
)
,1
,2
,5
,- 1
(0
3 )
(0
5) ,5,
,5, b3 = 2 3)
(0
(1,3,-2)
1 4
b1 = 1 b4 = −3
(ii) (3 Puntos) Si fuera el caso, encuentre una solución óptima del problema
original, aplicando el mismo algoritmo Simplex para Flujo en Redes de
Costo Mı́nimo de este problema, partiendo del árbol básico factible even-
tualmente encontrado en (i).
148 CAPÍTULO 7. SIMPLEX DE REDES
Solución
(i) Se tiene el siguiente problema de Fase I:
(0
, -,
1)
0 0
(0,-,1
)
(0 2
,-,
1)
(0,2,0)
(0,2
(0,-,1)
,0)
)
5,0
3
(0,
0 ( 0,
5,0
2 )
1 (1,3,0)
4 3
1
Primera iteración
π 0 = −1
3
0 0
5 −
∆
2 π 2 = −2
0 u
2 −∆ 2
u
2
∆
2
5 −
u
u
3 u
5 5
π 3 = −2
u
3
1 4 3
π1 = 0 π4 = 0
1
u
r12 =0 + 0 + 2 =2 6≤ 0
Segunda iteración
π 0 = −1
3
0 0
−∆
3
2 π 2 = −2
0 u
2
−∆
u
2
2
3
3
u u
5 π 3 = −2 5
−∆
u
3
1 4 3
π 1 = −2 π4 = 0
1
u
r14 =−2 + 0 + 0 =−2 ≤ 0
u
r24 =−2 + 0 + 0 =−2 ≤ 0
u
r31 =−2 + 0 + 2 = 0 ≤ 0
u
r32 =−2 + 0 + 2 = 0 ≤ 0
u
r43 = 0 + 0 + 2 = 2 6≤ 0
Tercera iteración
π 0 = −1
3
0 0
−∆
3 −
∆
2 π 2 = −2
u
2
u
2
−∆
2
3
3
u −∆
5 π3 = 0 5
−∆
u
3
1 4 3
π 1 = −2 π4 = 0
1
150 CAPÍTULO 7. SIMPLEX DE REDES
u
r14 =−2 + 0 + 0 =−2 ≤ 0
u
r24 =−2 + 0 + 0 =−2 ≤ 0
u
r31 = 0 + 0 + 2 = 2 6≤ 0
Luego x31 entra a la base bajando. ∆ = 3 ⇒ x20 (o x04 ) sale de la base. Como
queda sólo un arco artificial en la base, se termina la Fase I.
Ası́, se tiene la siguiente solución (básica degenerada) factible:
0
2
u
2
u
2
2
3
0
2 2
u
3
1 4 3
1
Primera iteración
0
2 π2 = 9
u
2
u
2
2
3
0
−∆
2 π3 = 3 2
−∆
u
3 −∆
1 4 3
π1 = 8 π4 = 0
1
u
r14 =8 − 2 + 0 =6 6≤ 0
151
Segunda iteración
0
2 π2 = 9
u
2
u
2
−∆ 2
−∆
3
0
−∆
0 π3 = 3 0
−∆
l
1
1 4 3
π1 = 8 π4 = 0
1
l
r14 =8 − 2 + 0 =6 ≥ 0
u
r24 =9 − 1 + 0 =8 6≤ 0
Tercera iteración
0
2 π2 =1
u
2 −∆
2
2
−∆
l
3
0
0 π3 = 3 0
−∆
l
1
1 4 3
π1 = 8 π4 = 0
1
l
r12 =8 + 1 − 1 =8 ≥ 0
l
r14 =8 − 2 + 0 =6 ≥ 0
u
r32 =3 + 1 − 1 =3 6≤ 0
152 CAPÍTULO 7. SIMPLEX DE REDES
Cuarta iteración
0
2 π2 =1
2
2
l
3
0
l
0 π3 = 0 0
l
1
1 4 3
π1 = 5 π4 = 0
1
l
r12 =5 + 1 − 1 =5 ≥ 0
l
r14 =5 − 2 + 0 =3 ≥ 0
l
r43 =0 + 3 − 0 =3 ≥ 0
2
2
2
3
1
1 4 3
1
Capı́tulo 8
2 2 7
T
5
5 4
O B D
3 7
4 1 1
C 4 E
(i) (1 Pto.) Formule el problema de flujo máximo definido por esta red, bajo
el formato clásico de programación lineal para problemas de flujo en redes
de costo mı́nimo. Explicite la función de costo y las distintas restricciones
sobre los flujos.
(ii) (1 Pto.) Teniendo en cuenta (i), muestre, antes de resolver, que el problema
de flujo máximo admite al menos una solución óptima.
153
154 CAPÍTULO 8. FLUJO MAXIMAL EN REDES
A
(0,7
)
,0
,0)
(0
,2
,2
(0
,0
)
, 4, ,0 ) (0,7
,1 ,
(0,1
0)
(0
(0,4,0)
C E
(0,∞,-1)
−xT O ,
0 ≤ xOA ≤ 2
0 ≤ xOB ≤ 5
0 ≤ xOC ≤ 4
0 ≤ xAD ≤ 7
0 ≤ xBD ≤ 4
0 ≤ xCB ≤ 1
0 ≤ xCE ≤ 4
0 ≤ xBE ≤ 3
0 ≤ xED ≤ 1
0 ≤ xDT ≤ 5
0 ≤ xET ≤ 7
xT O ≥ 0
(ii) Este problema admite una solución factible, luego P 6= φ. Por otro lado:
xDT + xET = xT O
xDT ≤ 5 ⇒ xT O ≤ 12.
xET ≤ 7
Ası́, todos los flujos están acotados, luego P es acotado y por el Teorema de
Bolzano-Weierstrass el problema admite solución óptima.
(iii) A continuación se muestra las iteraciones del Método de Ford-Fulkerson
1◦ iteración
(O,2)
A
+∆ 0
+∆ M E
0
7
0
2 2 (D,2) O O
(O,5) (A,2) 0 A A
0 0 +∆ T
0 B B
(-,∞) O 5 B 4 D 5
C C
0 0 D
0 0
7
0
4 1 3 E
C
0
E
∆=2 atajo → T
4
(O,4) (B,3)
156 CAPÍTULO 8. FLUJO MAXIMAL EN REDES
2◦ iteración
(D,2)*
A
2 M E
2
7
0
2 2 (D,3) O O
(O,5) (B,4) 2 B B
2 +∆ T
0 +∆ 0 +∆ C C
(-,∞) O 5 B 4 D 5
D
0 0 E
0 0
7
0
4 1 3 A*
∆=3 atajo → T
0
C 4 E
(O,4) (B,3)
3◦ iteración
(D,1)*
A
2 M E
2
7
0
2 2 (E,2) O O
(O,2) (B,1) 5 B B
3 +∆ 3 5 T C C
(-,∞) O 5 B 4 D 5
D D
+∆
0 0 E
0 0
3 +∆ 7
0
4 1 A*
atajo → T
0 ∆=2
C 4 E
(O,4) (B,2)
4◦ iteración
A
2 M E
2
7
0
2 2 (E,4) O O
(C,1) (B,1) 7 C C
5 3 5 T B B
(-,∞) O 5 B 4 D 5
E
+∆
2 2 D
0 0
7 atajo → T
0
4 +∆ 1 3
0 +∆ ∆=4
C 4 E
(O,4) (C,4)
157
5◦ iteración
A
2 M E
2
0
2 2 O O
11
5 3 5 T
(-,∞) O 5 B 4 D 5
2 6
4 0
7
0
4 1 3
4
Corte mínimo de C 4 E
flujo máximo
Método de Descomposición
de Dantzig-Wolfe
(i) (1 ptos.) Muestre que este problema admite al menos una polı́tica óptima
de producción.
159
160 CAPÍTULO 9. MÉTODO DE DANTZIG-WOLFE
Solución
(i) Claramente (x1 , x2 , x3 , x4 ) = (0, 0, 0, 0) ∈ P es solución de P). Luego, el
dominio es no vacı́o (P) 6= φ)
Por otro lado, de las restricciones:
x1 + x2 + x3 + x4 ≤8
0 ≤ x1 ≤8
x1 ≥0
0 ≤ x2 ≤8
x2 ≥0 ⇒
0 ≤ x3 ≤8
x3 ≥0
0 ≤ x4 ≤8
x4 ≥0
x1 +x2 ≤6
x1 , x2 ≥0
x3 +2x4 ≤10
−x3 +x4 ≤4
x3 , x4 ≥0
para el segundo.
Los datos para comenzar el Método de Dantzig-Wolfe con ésta configuración
son
A01 = 1 1 y cT1 = −1 −3
161
1 y cT2 = 1 −1
A02 = 1
•Gráfico Satélite 1
x2
0
6
6
1
0 6
0
0 0 x1
0 1 2 3 4 5 6
•Gráfico Satélite 2
x4
2
3
14
5 3
4
0
3 4
1 10
0
0 0
0 x3
0 1 2 3 4 5 6 7 8 9 10
Como el punto ~0 pertenece a P), no se necesita dos fases y los datos para
comenzar el método son:
1 0 1 0
P1 = , P2 = , B = {s, λ11 , λ21 } y B −1 = I.
0 0
Segundo paso.
Costos de las variables básicas en el maestro, PBT
Ps = cs = 0
0
T 1
P11 = c1 P1 = −1 −3 =0
⇒ PBT = 0 0
0 0
0
P21 = cT2 P21 = 1 −1
=0
0
163
Problemas Satélite
Primer Satélite
Gráficamente, tenemos:
0
x̂1 = , v̂(S1 ) = −18 6≥ 0
6
Segundo Satélite
Gráficamente, tenemos1 :
0
x̂2 = , v̂(S2 ) = −4 6≥ 0
4
„ 2 «
1 Alternativamente, podrı́amos haber tomado la solución x̂2 = 14 . Los resultados finales
3
3
son los mismos, pero este camino tomarı́a una iteración más.
164 CAPÍTULO 9. MÉTODO DE DANTZIG-WOLFE
Entonces:
0
P12 = y λ12 entra a la base.
6
0 6
A01 P12
1 1 6
y(1,2) = B −1 M (1,2) = B −1 1
=I = 1
1
0 0
0
Variable saliente:
8 1
Min , ,· = 1
6 1
Nueva Base:
Matriz de pivote.
[η2 ]
6
1 −1 0 1 −6 0
P2 = 0 11 0 = 0 1 0
0
0 −1 1 0 0 1
Ası́:
1 −6 0 1 −6 0
−1
B+ = P2 B −1 = 0 1 0 I = 0 1 0
0 0 1 0 0 1
y los datos para la nueva iteración son:
1 −6 0
B = {s, λ12 , λ21 } y B −1 = 0 1 0
0 0 1
Segundo paso.
Costos de las variables básicas en el maestro, PBT
T 2
0
= −18 ⇒ PBT = 0 −18 0
P12 = c1 P1 = −1 −3
6
Cálculo del vector de multiplicadores π.
1 −6 0
π T = PBT B −1
= 0 −18 0 0 1 0 = 0 −18 0
0 0 1
de donde:
πT = π0T αT
= 0 −18 0
Problemas Satélite
Primer Satélite
Gráficamente, tenemos:
0
x̂1 = , v̂(S1 ) = 0 ≥ 0
6
Segundo Satélite
Gráficamente, tenemos2 :
2 0
x̂ = , v̂(S2 ) = −4 6≥ 0
4
Entonces:
0
P22 = y λ22 entra a la base.
4
A02 P22
y(2,2) = B −1 M (2,2) = B −1 0 =
1
0
1 −6 0 1 1 4
0 1 0 4 =
0
0
0 0 1 1
1
Variable saliente:
2 1 1
Min , ·, =
4 1 2
Ası́, p = 1 y s sale de la base.
Nueva Base:
Matriz de pivote.
[η1 ]
1
4 0 0 1/4 0 0
0
P1 = −4 1 0 = 0 1 0
1
−4 0 1 −1/4 0 1
Ası́:
1/4 0 0 1 −6 0 1/4 −3/2 0
−1
B+ = P1 B −1 = 0 1 0 0 1 0 = 0 1 0
−1/4 0 1 0 0 1 −1/4 3/2 1
y los datos para la nueva iteración son:
1/4 −3/2 0
B = {λ22 , λ12 , λ21 } y B −1 = 0 1 0
−1/4 3/2 1
2 Nóteseque este problema satélite no „
cambia con respecto a la iteración anterior. Ası́,
2 «
2
todavı́a podrı́amos tomar la solución x̂ = 14 .
3
3
167
1/4 −3/2 0 8 1/2
y0 = B −1 b̄ = 0 1 0 1 = 1
−1/4 3/2 1 1 1/2
Segundo paso.
Costos de las variables básicas en el maestro, PBT
0
cT2 P22 = −4 ⇒ PBT = −4 −18 0
P22 = = 1 −1
4
de donde:
πT = π0T αT
= −1 −12 0
Problemas Satélite
Primer Satélite
Gráficamente, tenemos:
0
x̂1 = , v̂(S1 ) = 0 ≥ 0
6
168 CAPÍTULO 9. MÉTODO DE DANTZIG-WOLFE
Segundo Satélite
Gráficamente, tenemos3 :
2 0
x̂ = , v̂(S2 ) = 0 ≥ 0
4
Faltarı́a los costos reducidos de la holgura (recordar que ésta está fuera de la
base):
rsT = −(−1)(1) = 1 ≥ 0
„ «
3 De 0
hecho, cualquier solución de la forma x = con 0 ≤ y ≤ 4, es óptima para S2 ).
y
169
P) Min −x1
x1 +2x2 ≤4
x1 +x2 ≥1
x1 , x2 ≥0
Solución
(i) Tenemos que (x1 , x2 ) = (1, 1) ∈ P es solución de P). Luego, el dominio es
no vacı́o (P) 6= φ)
Por otro lado, de las restricciones:
x1 + 2x2 ≤ 4
0 ≤ x1 ≤ 4
x1 ≥ 0 ⇒
0 ≤ x2 ≤ 2
x2 ≥ 0
P) Min −x1
x1 +x2 −x3 =1
x1 +2x2 ≤4
x1 , x2 , x3 ≥0
x1 +2x2 ≤4
x1 , x2 ≥0
•Gráfico Satélite
x2
0
2
2
1
0 4
0 0 x1
0
0 1 2 3 4
(iii) Como el punto ~0 no pertenece a P), se necesita hacer dos fases. La res-
tricción violada es la de coordinación, sobre la cual agregamos una variable
artificial. El problema en formato Dantzig-Wolfe para la Fase I es:
Fase I
P) Min x4
x1 +x2 −x3 +x4 = 1
x1 +2x2 ≤4
x1 , x2 , x3 ≥0
Los datos para comenzar la Fase I del Método de Dantzig-Wolfe con ésta con-
figuración (satélite como Problema de la Mochila) son:
T 1
A01 = 1 1 , c1 = 0 0 y b̄ =
1
Segundo paso.
Costos de las variables básicas en el maestro, PBT
Px4 = 1
⇒ PBT = 1
0
T 1
0
P11 = c1 P1 = 0 0 = 0
0
π T = PBT B −1 = 1
0 I= 1 0
de donde:
πT = π0T αT
= 1 0
Problema Satélite
Gráficamente, tenemos:
4
x̂1 = , v̂(S1 ) = −4 6≥ 0
0
Entonces:
4
P12 = y λ12 entra a la base.
0
4 !
4
A01 P12
−1 (1,2) −1 1 1
y(1,2) = B M =B =I 0 =
1 1
1
Variable saliente:
1 1 1
Min , =
4 1 4
172 CAPÍTULO 9. MÉTODO DE DANTZIG-WOLFE
Nueva Base:
Matriz de pivote.
[η1 ]
1
4 0 1/4 0
P1 = 1 =
−4 1 −1/4 1
Ası́:
−1 −1 1/4 0 1/4 0
B+ = P1 B = I=
−1/4 1 −1/4 1
y los datos para la Fase II son:
1/4 0
B = {λ12 , λ11 } y B −1 =
−1/4 1
Fase II
Tenı́amos el problema en formato de Dantzig-Wolfe:
P) Min −x1
x1 +x2 −x3 =1
x1 +2x2 ≤4
x1 , x2 , x3 ≥0
Lo único que cambia en la Fase II es el vector de costos:
cT1 = −1 0
Segundo paso.
Costos de las variables básicas en el maestro, PBT 4 :
T 2
4
P12 = c1 P1 = −1 0 = −4
0
⇒ PBT = −4 0
0
P11 = cT1 P11 = −1 0
=0
0
4 Notar que, P
11 no cambia de valor con respecto a la última iteración de la Fase I simple-
mente porque P11 = ~0. Esto es mera coincidencia y en general, al pasar a la Fase II, se debe
calcular nuevamente el valor de pTB.
173
de donde:
πT = π0T αT
= −1 0
Problema Satélite
Gráficamente, tenemos5 :
4
x̂1 = , v̂(S1 ) = 0 ≥ 0
0
−1 !
yx3 = B −1
M x3
=B −1 −1 = 1/4 0 −1 = 4
1
0 −1/4 1 0 4
Variable saliente:
3/4
Min ·, =3
1/4
„ «
5 De y
hecho, cualquier solución de la forma x = con 0 ≤ y ≤ 4, es óptima para S1 ).
0
6 Nótese que, como x es variable de exceso, su costo reducido es igual al valor de π .
3 0
174 CAPÍTULO 9. MÉTODO DE DANTZIG-WOLFE
Nueva Base:
Matriz de pivote.
[η2 ]
" #!
−1/4
1 −1/4 1 1
P2 = 1 =
0 1/4
0 4
Ası́:
−1 −1 1 1 1/4 0 0 1
B+ = P2 B = =
0 4 −1/4 1 −1 4
−1 0 1 1 1
y0 = B b̄ = =
−1 4 1 3
Segundo paso.
Costos de las variables básicas en el maestro, PBT :
Ps = 0 ⇒ PBT = −4 0
de donde:
πT = π0T αT
= 0 −4
175
Problema Satélite
Gráficamente, tenemos:
1 4
x̂ = , v̂(S1 ) = 0 ≥ 0
0
Solución
(i) Se tiene que (x1 , x2 , x3 , x4 ) = (0, 0, 0, 40) ∈ P . Luego:
P 6= φ (9.1)
−x1 ≥ −2
−2x2 ≥ −4
⇒ −x1 − 2x2 + x3 + x4 ≥ −6
x3 ≥ 0
x4 ≥ 0
Ası́:
cT x ≥ cte. (9.2)
177
Luego, (9.1) y (9.2) cumplen con las hipótesis del Teorema de Existencia de la
Programación Lineal y, por lo tanto, P) admite solución óptima.
(ii) Formato de Dantzig-Wolfe:
x1 +x2 ≤ 2
−x1 +2x2 ≤ 2
x1 , x2 ≥ 0
x3 +x4 ≥ 6
x3 , x4 ≥ 0
•Gráfico Satélite 1
x2
2
2
3
4
3
1 0
1
0 2
0 0 0
x1
0 1 2
178 CAPÍTULO 9. MÉTODO DE DANTZIG-WOLFE
•Gráfico Satélite 2
x4
7
0
6
6
1
0 6
0
0 0 x3
0 1 2 3 4 5 6 7
1 y cT2 = 0
A02 = 2 0
40 40
y0 = B −1 b̄ = I 1 = 1
1 1
179
Segundo paso.
Costos de las variables básicas en el maestro, PBT
Pη1 = 1
0
T 1
= 0 ⇒ PBT = 1 0
Pλ11 = c1 P1 = 0 0 1
0
Pη2 = 1
Problemas Satélite
Primer Satélite
S1 ) Min (cT1 − π0T A01 )~x1 − α1
⇒
x ∈ S1
x1
S1 ) Min ( 0 0 − 1 1 2 ) −0
x2 ⇒
x ∈ S1
P) Min −x1 −2x2
x1 +x2 ≤2
−x1 +2x2 ≤2
x1 , x2 ≥0
Gráficamente, tenemos:
2
10
x̂1 = 3
4 , v̂(S1 ) = − 6≥ 0
3 3
Segundo Satélite
Entonces:
0
C21 = y µ21 entra a la base.
1
0
A02 C21
2 1 1
yµ21 = B −1 M µ21 = B −1 =I 1 =
0 0
0
0 0
0
Variable saliente:
40
Min , ·, · = 40
1
Nueva Base:
Matriz de pivote.
[η1 ]
1
1 0 0 1 0 0
0
P1 = −1 1 0 = 0 1 0
0
−1 0 1 0 0 1
Ası́:
1 0 0 1 0 0
−1
B+ = P1 B −1 = 0 1 0 I = 0 1 0
0 0 1 0 0 1
y los datos para la nueva iteración son:
1 0 0
B = {µ21 , λ11 , η2 } y B −1 = 0 1 0
0 0 1
„ «
1
7 Alternativamente, podrı́amos haber tomado la otra dirección asintótica dˆ2 = . Los
0
resultados finales son los mismos.
181
1 0 0 40 40
y0 = B −1 b̄ = 0 1 0 1 = 1
0 0 1 1 1
Segundo paso.
Costos de las variables básicas en el maestro, PBT
0
cT2 C21 = 0 ⇒ PBT = 0 0
Pµ21 = = 0 0 1
1
de donde:
πT = π0T αT
= 0 0 1
Problemas Satélite
Primer Satélite
Claramente, tenemos:
v̂(S1 ) = 0 ≥ 0
182 CAPÍTULO 9. MÉTODO DE DANTZIG-WOLFE
Segundo Satélite
Claramente, tenemos:
v̂(S1 ) = −1 6≥ 0
Entonces8 :
0
P21 = y λ21 entra a la base.
6
0 6
A02 P21 1 0 0 2
1
yλ21 = B −1 M λ21 = B −1 = 0 1 0 6 = 0
0
0
1 0 0 1 1
1
Variable saliente:
40 1
Min , ·, =1
6 1
Nueva Base:
Matriz de pivote.
[η3 ]
6
1 0 −1 1 0 −6
P3 = 0 1 0 = 0 1 0
−1
0 0 1
1
0 0 1
8 Se podrı́a tomar cualquier punto del dominio de este satélite, el punto escogido es arbi-
trario.
183
Ası́:
1 0 −6 1 0 0 1 0 −6
−1
B+ = P3 B −1 = 0 1 0 0 1 0 = 0 1 0
0 0 1 0 0 1 0 0 1
y los datos para la Fase II son:
1 0 −6
B = {µ21 , λ11 , λ21 } y B −1 = 0 1 0
0 0 1
Fase II
Lo único que cambia en la Fase II son los vectores de costos:
cT1 = −1 −2 y cT2 = 3
1
1 0 −6 40 34
y0 = B −1 b̄ = 0 1 0 1 = 1
0 0 1 1 1
Segundo paso.
Costos de las variables básicas en el maestro, PBT :
0
Pµ21 = cT2 C21 = 3
1 =1
1
0
T 1
= 0 ⇒ PBT = 1 0
Pλ11 = c1 P1 = −1 −2 6
0
0
T 1
Pλ21 = c2 P2 = 3 1 =6
6
de donde:
πT = π0T αT
= 1 0 0
184 CAPÍTULO 9. MÉTODO DE DANTZIG-WOLFE
Problemas Satélite
Primer Satélite
Gráficamente, tenemos:
2
1 3
10
x̂ = 4 , v̂(S1 ) = − 6≥ 0
3 3
Segundo Satélite
Claramente, tenemos:
v̂(S1 ) = 0 ≥ 0
Entonces:
2/3
P12 = y λ12 entra a la base.
4/3
185
A01 P12
yλ12 = B −1 M λ12 = B −1 1 =
0
2/3 10/3
1 0 −6 1 2
0 1 0 4/3
= 1
1
0 0 1 0
0
Variable saliente:
34 1
Min , ,· = 1
10/3 1
Nueva Base:
Matriz de pivote.
[η2 ]
10/3
1 −1
0 1 −10/3 0
1
P2 = 0 0 = 0 1 0
1
0 0 1
−1
0 0 1
Ası́:
1 −10/3 0 1 0 −6 1 −10/3 −6
−1
B+ = P2 B −1 = 0 1 0 0 1 0 = 0 1 0
0 0 1 0 0 1 0 0 1
1 −10/3 −6 40 92/3
y0 = B −1 b̄ = 0 1 0 1 = 1
0 0 1 1 1
186 CAPÍTULO 9. MÉTODO DE DANTZIG-WOLFE
Segundo paso.
Costos de las variables básicas en el maestro, PBT :
2/3
Pλ12 = cT1 P12 = −1 −2 = −10/3 ⇒ PBT = 1
−10/3 6
4/3
Cálculo del vector de multiplicadores π.
1 −10/3 −6
π T = PBT B −1 = 1 −10/3 6 0
1 0 = 1 −20/3 0
0 0 1
de donde:
πT = π0T αT
= 1 −20/3 0
Problemas Satélite
Primer Satélite
S1 ) Min (cT1 − π0T A01 )~x1 − α1
⇒
x ∈ S1
x1
S1 ) Min ( −1 −2 − 1 1 2 ) − (−20/3)
x2 ⇒
x ∈ S1
20
P) Min −2x1 −4x2 +
3
x1 +x2 ≤2
−x1 +2x2 ≤2
x1 , x2 ≥0
Gráficamente, tenemos:
2
x̂1 = 3
4 , v̂(S1 ) = 0 ≥ 0
3
Segundo Satélite
Claramente, tenemos:
v̂(S1 ) = 0 ≥ 0
x̂4 110/3
Dualidad en Programación
Lineal
(ii) (0.5 Pto.) Antes de resolver, muestre que tanto P) como su dual D) ad-
miten solución óptima. Para ello, aplique el Teorema de Dualidad Débil,
conjuntamente con el Teorema General de Existencia de la Programación
Lineal. En particular, establezca un Intervalo de Confianza para los valores
óptimos de P) y D).
(iii) (0.5 Pto.) Teniendo en cuenta ii), muestre que los valores óptimos de
P) y D) coinciden. Fundamente su respuesta en base a los resultados
fundamentales del curso.
(v) (2 Ptos.) Conocida la solución óptima del Problema Dual D), obtenga la
solución óptima del primal a través de las condiciones de optimalidad de
189
190 CAPÍTULO 10. DUALIDAD EN PROGRAMACIÓN LINEAL
Solución
(i) Antes de establecer le problema dual, multiplicaremos la primera restricción
por -1, de modo de tener un formato más cómodo para expresar las condiciones
de Karush-Kuhn-Tucker (K.K.T.):
P) Min 2x1 +15x2 +5x3 +6x4
−x1 −6x2 −3x3 −x4 ≤ − 2
−2x1 +5x2 −x3 +3x4 ≤ − 3
x1 , x2 , x3 , x4 ≥0
Cabe notar que las variables u representan el inverso aditivo de las variables
duales del problema P). Es decir, µ = −u, donde µ representa las variables
duales de P).
(ii) El Teorema de Dualidad Débil nos indica que, si tenemos una solución
factible x̄ del Problema Primal P) y una solución factible µ̄ del Problema Dual
D), entonces:
−µ̄T b ≤ cT x̄,
y en términos del Dual Equivalente (con variables u en vez de µ):
ūT b ≤ cT x̄. (10.1)
Como estos x̄ y ū pueden ser los valores óptimos x̂ y û, tenemos:
ûT b ≤ cT x̂.
Lógicamente ūT b ≤ ûT b = v̂(D̃) y v̂(P) = cT x̂ ≤ cT x̄, de lo que se tiene:
ūT b ≤ v̂(D̃) ≤ v̂(P) ≤ cT x̄.
191
2
0 0
x̄ = ∈ P) y ū =
∈ D)
0 0
0
0 ≤ v̂(D̃) ≤ v̂(P) ≤ 4
0 ≤ v̂(P) ≤ 4
0 ≤ v̂(D) ≤ 4
)
x̄ ∈ P) ⇒ P =
6 φ
⇒ P) admite solución óptima.
ū ∈ D̃) ⇒ 0 ≤ cT x
)
x̄ ∈ P) ⇒ uT b ≤ 4
⇒ D̃) admite solución óptima.
ū ∈ D̃) ⇒ D 6= φ
3
−u1 + 3u2 − 6 = 0
2
−8/5
1 û =
−1/5
u1
−6 −5 −4 −3 −2 −1
−1
−u1 − 2u2 − 2 = 0
−2
−3
c = (−2, −3)
−4
−5
−3u1 − u2 − 5 = 0
Ası́, obtenemos:
−8/5
û = ⇒ v̂(D̃) = 19/5 = v̂(P),
−1/5
∂L
De las condiciones ∂xi ≥ 0 tenemos las siguientes condiciones (claramente
redundantes):
∂L
≥ 0 ⇒ 2 − µ1 − 2µ2 ≥ 0 ⇒ 0 ≥ 0
∂x1
∂L
≥ 0 ⇒ 15 − 6µ1 + 5µ2 ≥ 0 ⇒ 32/5 ≥ 0
∂x2
∂L
≥ 0 ⇒ 5 − 3µ1 − µ2 ≥ 0 ⇒ 0 ≥ 0
∂x3
∂L
≥ 0 ⇒ 6 − µ1 + 3µ2 ≥ 0 ⇒ 5 ≥ 0
∂x4
∂L
De las condiciones xi ∂x i
= 0 tenemos:
∂L
x1 = 0 ⇒ x1 (2 − µ1 − 2µ2 ) = 0 ⇒ x1 · 0 = 0
∂x1
∂L
x2 = 0 ⇒ x2 (15 − 6µ1 + 5µ2 ) = 0 ⇒ x2 · 32/5 = 0 ⇒ x2 = 0
∂x2
∂L
x3 = 0 ⇒ x3 (5 − 3µ1 − µ2 ) = 0 ⇒ x3 · 0 = 0
∂x3
∂L
x4 = 0 ⇒ x4 (6 − µ1 + 3µ2 ) = 0 ⇒ x4 · 5 = 0 ⇒ x4 = 0
∂x4
0
194 CAPÍTULO 10. DUALIDAD EN PROGRAMACIÓN LINEAL
Capı́tulo 11
Programación Entera y
Método de Branch&Bound
(i) (1 Pto.) Muestre que este problema P) admite, al menos, una solución
óptima.
(ii) (3 Ptos.) Aplique el Método de Branch & Bound a la determinación de
una solución óptima de P). Para ello, considere (x1 , x2 ) = (0, 0) como la
mejor solución entera factible inicial y explore los distintos nodos del árbol
de Branch & Bound, nivel por nivel, resolviendo los problemas relajados
correspondientes de manera gráfica, pero exacta. Dibuje el árbol de Branch
& Bound resultante, indicando sobre éste toda la información relevante,
incluidos los valores sucesivos del incumbente.
(iii) (3 Pto.) Teniendo en cuenta el árbol final en ii), analice si es única o no,
la solución óptima de P). Si fuera el caso, determine todas las soluciones
óptimas de P).
195
196 CAPÍTULO 11. PROGRAMACIÓN ENTERA
Solución
(i) Se tiene que el poliedro P̃ dado por las restricciones
0 ≤ x1 ≤ 8
0 ≤ x2 ≤ 4
Problema 0
Debemos resolver el problema relajado, que resulta ser un Problema de la
Mochila con cotas.
Gráficamente:
x2
7
28/5
6 x̂ =
4
−kc = (1, 2)
2
0 x1
0 1 2 3 4 5 6 7 8 9 10 11 12
Condiciones
197
¿es infactible? R: No
¿es solución entera? R: No
¿su valor óptimo es mejor que el incumbente? cT x = −136 < f¯ = 0, R:
Si
P0
x1 ≤ 5 x1 ≥ 6
P01 P02
Problema 01
El problema P01 ) es:
Gráficamente:
x2
7
5
6 x̂ =
4
−kc = (1, 2)
2
0 x1
0 1 2 3 4 5 6 7 8 9 10 11 12
Condiciones
¿es infactible? R: No
198 CAPÍTULO 11. PROGRAMACIÓN ENTERA
Gráficamente:
x2
7
6
6 x̂ =
15/4
−kc = (1, 2)
2
0 x1
0 1 2 3 4 5 6 7 8 9 10 11 12
Condiciones
¿es infactible? R: No
P02
x2 ≤ 3 x2 ≥ 4
P021 P022
Problema 021
El problema P021 ) es:
Gráficamente:
x2
7
36/5
6 x̂ =
3
−kc = (1, 2)
2
0 x1
0 1 2 3 4 5 6 7 8 9 10 11 12
Condiciones
¿es infactible? R: No
Problema 022
El problema P022 ) es:
Gráficamente:
x2
−kc = (1, 2)
2
0 x1
0 1 2 3 4 5 6 7 8 9 10 11 12
Condiciones
¿es infactible? R: Si
P021
x1 ≤ 7 x1 ≥ 8
P0211 P0212
201
Problema 0211
El problema P0211 ) es:
Gráficamente:
x2
7
7
6 x̂ =
3
−kc = (1, 2)
2
0 x1
0 1 2 3 4 5 6 7 8 9 10 11 12
Condiciones
¿es infactible? R: No
Problema 0212
El problema P0212 ) es:
Gráficamente:
x2
7
8
6 x̂ =
5/2
−kc = (1, 2)
2
0 x1
0 1 2 3 4 5 6 7 8 9 10 11 12
Condiciones
¿es infactible? R: No
f¯ = 0
P0 v̂(P0 ) = −136
x1 ≤ 5 x1 ≥ 6
f¯ = 0 f¯ = −130
P01 v̂(P01 ) = −130
P02 v̂(P02 ) = −135
x2 ≤ 3 x2 ≥ 4
f¯ = −130 f¯ = −130
P021 v̂(P021 ) = −132
P022 v̂(P022 ) = ∞
x1 ≤ 7 x1 ≥ 8
f¯ = −130 f¯ = −130
P0211 v̂(P0211 ) = −130
P0212 v̂(P0212 ) = −130
(iii) Del árbol anterior, se puede notar que, hasta el momento, hay dos solucio-
nes enteras que evaluadas en la función objetivo, tienen el mismo valor que el
incumbente óptimo:
5 7
x̂ = , x̂ =
4 3
Condiciones
¿es infactible? R: No
Problema 02121
El problema P02121 ) es:
Gráficamente:
x2
7
8
6 x̂ =
2
−kc = (1, 2)
2
0 x1
0 1 2 3 4 5 6 7 8 9 10 11 12
Condiciones
¿es infactible? R: No
Problema 02122
El problema P02122 ) es:
Gráficamente:
x2
−kc = (1, 2)
2
0 x1
0 1 2 3 4 5 6 7 8 9 10 11 12
Condiciones
¿es infactible? R: Si
(i) (1 Pto.) Muestre que este problema P) admite, al menos, una solución
óptima.
(ii) (3 Ptos.) Aplique el Método de Branch & Bound a la determinación de
una solución óptima de P). Para ello, considere (x1 , x2 ) = (0, 0) como la
mejor solución entera factible inicial y explore los distintos nodos del árbol
de Branch & Bound, nivel por nivel, resolviendo los problemas relajados
correspondientes de manera gráfica, pero exacta. Dibuje el árbol de Branch
& Bound resultante, indicando sobre éste toda la información relevante,
incluidos los valores sucesivos del incumbente.
(iii) (3 Pto.) Teniendo en cuenta el árbol final en ii), analice si es única o no,
la solución óptima de P). Si fuera el caso, determine todas las soluciones
óptimas de P).
Solución
(i) De la primera restricción y las de no-negatividad, se tiene el siguiente poliedro
P̃ :
0 ≤ x1 ≤ 56/9
0 ≤ x2 ≤ 56/7
que es claramente acotado.
Como D ⊆ P̃ , donde D es el dominio de restricción del problema P), resulta
que D es acotado.
Por otro lado, el punto (x1 , x2 ) = (0, 0) pertenece a D, luego D es no vacı́o.
Como D es acotado y no vacı́o, tiene un número finito de soluciones enteras
factibles. Luego, P) admite solución óptima.
(ii) El incumbente inicial está dado por el valor de la función objetivo, evaluada
sobre la solución entera factible inicial, entregada en el enunciado. Concreta-
mente:
0
x0 = ⇒ cT x0 = 0 ⇒ f¯ = 0 (incumbente inicial)
0
207
Problema 0
Debemos resolver el problema relajado:
P0 ) Min −40x1 −90x2
9x1 +7x2 ≤56
7x1 +20x2 ≤70
x1 , x2 , ≥0
Gráficamente:
x2
4
4, 809
3 x̂ =
1, 816
−kc = (1, 49 )
2
0 x1
0 1 2 3 4 5 6 7 8 9 10
Condiciones
¿es infactible? R: No
¿es solución entera? R: No
¿su valor óptimo es mejor que el incumbente? cT x = −355, 87 < f¯ = 0,
R: Si
P0
x1 ≤ 4 x1 ≥ 5
P01 P02
208 CAPÍTULO 11. PROGRAMACIÓN ENTERA
Problema 01
El problema P01 ) es:
Gráficamente:
x2
4
4
3 x̂ =
2, 1
−kc = (1, 94 )
2
0 x1
0 1 2 3 4 5 6 7 8 9 10
Condiciones
¿es infactible? R: No
P01
x1 ≤ 2 x1 ≥ 3
P011 P012
Problema 02
El problema P02 ) es:
Gráficamente:
x2
4
5
3 x̂ =
1, 571
−kc = (1, 49 )
2
0 x1
0 1 2 3 4 5 6 7 8 9 10
Condiciones
¿es infactible? R: No
¿es solución entera? R: No
¿su valor óptimo es mejor que el incumbente? cT x = −341, 42 < f¯ = 0,
R: Si
210 CAPÍTULO 11. PROGRAMACIÓN ENTERA
P02
x2 ≤ 1 x2 ≥ 2
P021 P022
Problema 011
El problema P011 ) es:
Gráficamente:
x2
4
4
3 x̂ =
2
−kc = (1, 94 )
2
0 x1
0 1 2 3 4 5 6 7 8 9 10
Condiciones
¿es infactible? R: No
211
Gráficamente:
x2
5
1, 428
4 x̂ =
3
3
−kc = (1, 49 )
2
0 x1
0 1 2 3 4 5 6 7 8 9 10
Condiciones
¿es infactible? R: No
Gráficamente:
x2
4
5, 444
3 x̂ =
1
−kc = (1, 94 )
2
0 x1
0 1 2 3 4 5 6 7 8 9 10
Condiciones
¿es infactible? R: No
Problema 022
El problema P022 ) es:
Gráficamente:
x2
3
−kc = (1, 49 )
2
0 x1
0 1 2 3 4 5 6 7 8 9 10
Condiciones
¿es infactible? R: Si
P0 v̂(P0 ) = −355, 87
x1 ≤ 4 x1 ≥ 5
f¯ = 0
P01 f¯ = 0 P02 v̂(P02 ) = −341, 42
v̂(P01 ) = −349
x2 ≤ 2 x2 ≥ 3 x2 ≤ 1 x2 ≥ 2
(iii) Del árbol anterior, se puede notar que, hasta el momento, hay solamente
una solución entera que, evaluada en la función objetivo, tiene el mismo valor
que el incumbente óptimo:
4
x̂ =
2