Documentos de Académico
Documentos de Profesional
Documentos de Cultura
πy > πo
πx ≤ πo , ∀ x ∈ conv(S)
Solución:
Sólo daremos la siguiente indicación:
n s1 s2 ··· sn x
x ∈ conv(S) ⇔ λ∈R : λ= , λ ≥ 0 6= φ
1 1 ··· 1 1
P :
x2 − x1 ≤ 7 (1)
5x1 + x2 ≥ 13 (2)
2x1 + 3x2 ≥ 13 (3)
x1 ≥ 1 (4)
x2 ≥ 1 (5)
x2 ≤ 11 (6)
x ∈ R2
a) Bosqueje un dibujo de P .
b) Encuentre todas las caras de P .
c) Determine las dimensiones del poliedro y de cada una de sus caras. ¿Cuáles son facetas?
d ) ¿Cuáles restricciones son redundantes? Encuentre una representación minimal.
e) Determine el Espacio Lineal y el Cono caracterı́stico asociado.
f ) ¿Es P un polı́topo?
Solución:
Para ordenarnos escribimos, P = {x ∈ Rn : Ax ≤ b}, obteniendo:
1
−1 1 7
−5 −1 −13
−2 −3 −13
x ∈ R2
P = :
−1 ≤
0 −1
0 −1 −1
0 1 11
a) Propuesto.
b) Recordemos que una cara F de P , se puede escribir como
F = {x ∈ P : A0 x = b0 }
con A0 , b0 subsistemas de A y b, es decir, un subconjunto de las filas.
Por otro lado, como x ∈ R2 , basta considerar sólo los subsistemas de tamaño n ≤ 2, pues para
n > 3 los subsistemas son redundantes.
Empecemos con los subsistemas de tamaño n = 1, es decir, encontremos las caras asociadasa cada
una de las desigualdades:
F1 = {x ∈ P : x2 − x1 = 7}:
x2 − x1 = 7
6x1 + 7 ≥ 13
5x1 + 21 ≥ 13
x1 ≥ 1
x1 + 7 ≥ 1
x1 + 7 ≤ 11
x2 − x1 = 7
x1 ≥ 1
5x1 ≥ −8
x1 ≥ 1
x1 ≥ −6
x1 ≤ 4
F1 = {x ∈ R2 : x2 = x1 + 7, 1 ≤ x1 ≤ 4}
En otras palabras, F1 son los puntos contenidos en la recta x2 = x1 + 7, cuando x1 toma
valores entre 1 y 4.
2
De la misma forma, F3 = {x ∈ R2 : x2 = − 32 x1 + 13
3 , 2 ≤ x1 ≤ 5}.
P :
x2 − 1 ≤ 7
5 + x2 ≥ 13
2 + 3x2 ≥ 13
x1 = 1
x2 ≥ 1
x2 ≤ 11
2
x∈R
Es decir,
P :
x2 ≤ 8
x2 ≥ 8
3x2 ≥ 11
x1 = 1
x2 ≥ 1
x2 ≤ 11
F5 = {x ∈ P : x2 = 1}:
1 − x1 ≤ 7
5x1 + 1 ≥ 13
2x1 + 3 ≥ 13
x1 ≥ 1
x2 = 1
1 ≤ 11
Simplificando
3
−6 ≤ x1
12
x1 ≥
5
x1 ≥ 5
x1 ≥ 1
x2 = 1
F5 = {x ∈ R2 : x2 = 1, 5 ≤ x1 }
Como comentario, podemos observar que otra forma de escribir F5 es
5 1
F5 = +λ : λ≥0
1 0
En particular, F5 es una cara de P que no es acotada.
x1 − x2 = −11
x2 = 11
4
11 − 1 ≤ 7
5 + 11 ≥ 13
2 + 33 ≥ 13
x1 = 1
11 ≥ 1
x2 = 11
F =φ
Ahora, para las caras Fi , con i = 4, 7, 8, 9, que son vértices, se tiene que los máximos conjun-
tos afı́nmente independientes contenidos en cada una de ellas contienen sóiı́lo un punto. Luego,
dim(Fi ) = 1 − 1 = 0, para i = 4, 7, 8, 9
Calculemos dim(F5 ), recordemos que:
5 1
F5 = +λ : λ≥0
1 0
Claramente, F5 no puede contener 3 puntos afı́nmente independientes, por la forma en que se
escriben los puntos que pertenecen a F5 .
5
5 6
Si tomamos , ∈ F5 , como
1 1
6 5 1 0
− = 6=
1 1 0 0
Luego, este punto forma un conjunto linealmente independiente. Ası́, dim(F5 ) ≥ 1, y como
habı́amos dicho que dim(F5 ) < 2, se concluye dim(F5 ) = 1.
Para el resto de las caras es análogo, es decir, dim(Fi ) = 1 , cuando i = 1, 2, 3, 6
Las facetas son las caras maximales, es decir que no hay otra cara (6= P ) que las contenga.
Por lo calculado en la parte anterior, se ve que las caras que cumplen con esta condición son
F1 , F2 , F3 , F5 .F6 .
d ) La descripción minimal viene de eliminar las restricciones at x = b que no definen facetas, es decir,
tales que
{x ∈ P at x = b}
no es una faceta de P . La descripicón minimal entonces es:
P :
x2 − x1 ≤ 7
5x1 + x2 ≥ 13
2x1 + 3x2 ≥ 13
x2 ≥ 1
x2 ≤ 11
2
x∈R
char.cone(P ) = {y : ∀x ∈ P, x + y ∈ P }
o equivalentemente,
char.cone(P ) = {y : Ay ≤ 0}
lin.space(P ) = {y : ∀x ∈ P, x ± y ∈ P }
o equivalentemente,
lin.space(P ) = {y : Ay = 0}
6
−1 1 0
−5 −1 0
−2 −3 y1 0
char.cone(P ) = y :
−1 ≤
0 y2
0
0 −1 0
0 1 0
y2 − y1 ≤ 0
5y1 + y2 ≥ 0
2y1 + 3y2 ≥ 0
y1 ≥ 0
y2 ≥ 0
y2 ≤ 0
−y1 ≤ 0
y1 ≥ 0
y1 ≥ 0
y1 ≥ 0
y2 ≥ 0
y2 ≤ 0
Ası́,
char.cone(P ) = {y ∈ R2 : y1 ≥ 0, y2 = 0}
7
y2 − y1 = 0
5y1 + y2 = 0
2y1 + 3y2 = 0
y1 = 0
y2 = 0
y2 = 0
f ) No, pues P no es un poliedro acotado. Para ver esto, note que que el cono caracterı́stico es 6= {0},
por lo tanto P no puede ser acotado. Otra forma de verlos es recordar que F5 ⊆ P es una cara
no acotada de P , y por lo tanto, P es no acotado.
x1 + x2 + x3 + αx4 ≤ 3
Solución:
Para nuestro caso particular, un conjunto de ı́ndices que cumple las condiciones (1) y (2) es
C = {1, 2, 3}
b) Claramente la desigualdad, para x4 = 0 es válida, pues siempre se cumple:
x1 + x2 + x3 ≤ 3
8
Para encontrar el α, usemos la técnica de lifting.
3x1 + x2 + 4x3 + 2 ≤ 7
O, equivalentemente
Luego, ζ = 2.
x1 + x2 + x3 + x4 ≤ 3
TEOREMA de HC:
⇐⇒
1 Esta desigualdad también se podrı́a haber obtenido planteando la desigualdad asociada al cubrimiento (no minimal)
C = {1, 2, 3, 4}. Pero la idea del problema era usar lifting, para encontrar el máximo valor de α válido.
9
Podemos ocupar el Teorema de para comprobar si un punto factible x∗ (resp. y ∗ ) es óptimo de
(P) (resp. (D)). La idea es utilizar las ecuaciones que aparecen en el teorema para intentar despejar
un y ∗ (resp. x∗ ). Si es posible encontrar éste y ∗ (resp. x∗ ) y comprobamos que es un elemento factible
de (D) (resp. (P)), por el Teorema de HC podemos concluir que x∗ y y ∗ son los óptimos respectivos
OBS: en otras palabras, es importante no sólo resolver la ecuación, sino que también comprobar que
la solución de la ecuación se factible.
Solución:
(a) Hay al menos 2 formas: por contradicción o usando la observación a anterior sobre HC.
(b) Primero resolvamos la relajación lineal del problema, si la solución resulta entera estamos listos, si
no al menos obtenemos una cota superior z para el valor de la solución óptimo entero.
Para resolver el problema relajado usaremos la parte (a). Ordenando de mayor a menor los cuo-
c
cientes ajj , obtenemos la solución x∗ = (1, 1, 21 , 0), cuyo valor de la función objetivo es 39,5
(ası́ z = 39,5). Lamentablemente la solución no es entera, debemos usar otra metodologı́a para
resolver el problema. Usaremos Branch & Bound:
Usaremos una ramificación tı́pica en problemas con variables binarias: en cada paso dividiremos
el conjunto factible en 2 partes, una en la cual fijamos alguna variable xi = 0 y en la otra
parte fijamos la misma variable xi = 1.
para “acotar” usaremos algunos de los criterios vistos en clase para podar nodos, y la parte
(a) para resolver las relajaciones lineales.
Empecemos!: como el óptimo del relajado tiene la tercera coordenada no entera decidimos rami-
ficar en x3 (podrı́amos haber hecho cualquier otra elección, no tenemos alguna razón de peso para
elegir x3 ), ası́ particionamos el conjunto factible
10
S0 = {x ∈ {0, 1}4 : 5x1 + 3x2 + 8x3 + 7x4 ≤ 12, x3 = 0}
Recapitulemos: Todas las hojas que se nos han formado en el árbol están todas podadas, por
lo tanto no hay ninguna que nos quede por explorar, por lo que podemos afirmar que hemos
encontrado el óptimo. ¿Cómo encuentro el óptimo? Fácil, corresponde al mejor óptimo entre los
nodos que fueron podados por optimalidad, como el problema es de maximización, se concluye que
el mejor óptimo (el de valor más grande) fue encontrado en el nodo S1 .
11
P5 Considere el siguiente LP :
mı́n x1 + 2x2
x1 + x2 ≥ 4
x1 + 5x2 ≥ 5
x ∈ Z2+
Solución:
mı́n cB xB + cN xN
xB + B −1 N xN = B −1 b
xB , xN ≥ 0
donde estamos diciendo que A = [B | N ], con B una base, xB son las variables básicas, xN las no
básicas y cB , cN los costos respectivos.
−1
∗ B b
En particular lo anterior se puede hacer si tenemos un óptimo x = , con B su base
0
asociada.
eb
e = I | B −1 N , eb = B −1 b, los cortes de Gomory asociados al óptimo x∗ =
Si llamamos A
0
se pueden escribir, para cada i ∈ B:
X j k j k
Aeij − A eij xj ≥ ebi − ebi
j∈N
Si observamos bien las desigualdades anteriores, que son válidas pues se obtienen usando el método
B −1 b
∗
de Chvátal-Gomory, dejan fuera al óptimo x = si y sólo si x∗ posee una coordenada
0
no entera. En efecto, por ejemplo, si ebi es no entera la desigualdad i-ésima, evaluada en el óptimo
x∗ resulta:
j k
0 ≥ ebi − ebi > 0
Osea no se cumple la desigualdad, por lo tanto deja fuera del espacio factible a x∗ . OBS: note que
basta sólo una desigualdad para deshacernos de x∗ , la correspondiente a alguna coordenada no
entera.
Volvamos con el ejercicio. Escribamos la relajación del problema dado en el enunciado usando
variables de holgura:
mı́n x1 + 2x2
x1 + x2 − x3 = 4
x1 + 5x2 − x4 = 5
x≥0
12
Ası́ podemos escribir el óptimo x∗ = ( 15 1
4 , 4 , 0, 0). Con esto:
1 1 −1 0
B= N=
1 5 0 −1
Y haciendo unos calculillos:
− 54 1
1 0 4
A
e= 1
0 1 4 − 41
Con esto podemos escribir fácilmente las 2 desigualdades (una por cada variable básica):
5 1 15
− − (−2) x3 + − 0 x4 ≥ −3
4 4 4
1 1 1
− 0 x3 + − − (−1) x4 ≥ − 0
4 4 4
es decir,
3 1 3
x3 + x4 ≥
4 4 4
1 3 1
x3 + x4 ≥
4 4 4
Observamos que como las 2 coordenadas básicas del óptimo son no enteras ambas restricciones
dejan fuera al óptimo.
Dado que, en este caso, las restricciones están escritas en función de las variables de holgura,
una pregunta interesante es ¿cómo escribir las desigualdades en función de las variables originales
(que es lo que nos interesa)? La respuesta es despejandolas del sistema Ax = b. En nuestro caso
obtenemos:
3 1 3
(x1 + x2 − 4) + (x1 + 5x2 − 5) ≥
4 4 4
1 3 1
(x1 + x2 − 4) + (x1 + 5x2 − 5) ≥
4 4 4
O equivalentemente,
x1 + 2x2 ≥ 5
x1 + 4x2 ≥ 5
Ambas desigualdades “cortan” a x∗ = ( 15 1
4 , 4 ).
The End
13