Teorı́a

Responder VERDADERO o FALSO a cada una de las afirmaciones siguientes, justificando

brevemente la respuesta:

1. Cualquier conjunto convexo tiene al menos un punto extremo.

Respuesta: FALSO

Un conjunto convexo puede no tener ningún punto extremo (ver Ramos, E: Programación
lineal y entera, Ed. Sanz y Torres, ejemplo 1.21, pg. 87).

2. Si se añade una constante a cada coeficiente de coste cij de un problema de transporte

entonces los valores óptimos de las variables xij pueden cambiar.

Respuesta: FALSO
P P
Supondremos el problema del transporte equilibrado, es decir, i ai = j = bj = M,
situación a la que puede conducirse trivialmente un problema de transporte. Supongamos
ahora que los costes cij se cambian a cij +k, donde k es una constante. La función objetivo
será
XX
z = (cij + k)xij
i j
XX XX
= cij xij + kxij
i j i j
XX X
= cij xij + k ai
i j i
XX
= cij xij + kM
i j

Por tanto la función objetivo cambia únicamente en una constante, por lo que no afec-
tará a la solución óptima.

Problema 1
Consideremos el problema de programación lineal

Minimizar z = −2x1 + x2 − x3
sujeto a
x1 + x2 + x3 ≤ 6
−x1 + 2x2 ≤ 4
x1 , x2 , x3 ≥ 0

a) Encontrar la solución óptima mediante el algoritmo del simplex.

b) Estudiar las modificaciones en la solución óptima cuando:

   
1 2
b.1) El vector a2 de la matriz de restricciones A se cambia de a .
2 5
   
0 1
b.2) El vector a1 de la matriz de restricciones A se cambia de a .
−1 −1
   
1 3
b.3) El vector a1 de la matriz de restricciones A se cambia de a .
−1 6
 c) Se introduce una nueva actividad x6 tal que
 
−1
c6 = 1 a6 =
2

SOLUCIÓN:

a) Resolvemos mediante el algoritmo del simplex. La forma standard es:

Minimizar z = −2x1 + x2 − x3
sujeto a
x1 + x2 + x3 + x4 = 6
−x1 + 2x2 + x5 = 4
x1 , x2 , x3 , x4 , x5 ≥ 0

La tabla óptima es:

Tabla óptima
x1 x2 x3 x4 x5
Base cj -2 1 -1 0 0 x̄s
x1 -2 1 1 1 1 0 6
x5 0 0 3 1 1 1 10
(zj − cj ) 0 -3 -1 -2 0 -12
   
1 2
b.1) Como a2 no es un vector de la base, estudiamos si el cambio de a hace que
2 5
la variable x2 sea considerada candidata a entrar en la base. Para ello calculamos el coeficiente
z2 − c2 = cB B −1 a′2 − c2 . La matriz B −1 que se encuentra en la tabla en las columnas a4 , a5 es:
 
−1 1 0
B =
1 1

y el vector cB = (−2, 0). Por tanto

  
1 0 2
z2 − c2 = (−2, 0) −1
1 1 5
= −5

Puesto que z2 − c2 ≤ 0 la variable x2 no debe entrar en la base y por tanto la solución óptima
sigue siendo la misma que en el casoanterior.
  
1 0
b.2) Si se cambia la columna básica a puede ocurrir que se pierda la indepen-
−1 −1
dencia lineal del conjunto de vectores que forman actualmente la base y, por tanto, dejen de ser
una base. Aunque esto no ocurriese, al haber cambiado la matriz B, cambia a su vez la matriz
B −1 y por tanto puede cambiar toda la tabla. Veamos, en primer lugar, si B sigue formando
una base. Al hacer la sustitución indicada, se llega a la matriz B ′ = (a′1 , a5 ) que es la matriz

0 0
. Evidentemente B ′ no es de rango máximo, por lo que no es una matriz básica.
−1 1
Para reoptimizar, lo más sencillo en este caso es recalcular toda la nueva primera columna
e introducir una variable artificial x6 en la primera fila para completar la base, eliminándola
posteriormente mediante el método de las penalidades.

z1′ − c1 = cB B −1 a′1 − c1
  
1 0 0
= (−2, 0) − (−2)
1 1 −1
= 2

Formamos ahora la tabla:

Iteración 1
x1 x2 x3 x4 x5 x6
Base cj -2 1 -1 0 0 M x̄s
x6 M 0 1 1 1 0 1 6
x5 0 -1 3 1 1 1 0 10
(zj − cj ) 2 M-1 M+1 M 0 0 6M

En la tabla anterior no se cumple el criterio de parada del simplex por lo que hay que iterar.

Iteración 2
x1 x2 x3 x4 x5 x6
Base cj -2 1 -1 0 0 M x̄s
x3 -1 0 1 1 1 0 1 6
x5 0 -1 2 0 0 1 -1 4
(zj − cj ) 2 -2 0 -1 0 -M-1 -6

De esta última tabla se sigue que el problema

 tiene
 solución
 no acotada.
1 3
b.3) Se cambia ahora la columna básica por . La nueva primera columna es:
−1 6
    
′ −1 ′ 1 0 3 3
y1 = B a1 = =
1 1 6 9

y el coste reducido  
3
z1′ − c1 = (−2, 0) − (−2) = −4
9
La matriz B ′ = (a′1 , a5 ) sigue siendo una base. No obstante no es la base canónica. De nuevo,
lo más sencillo para restaurar la optimalidad es añadir una variable artificial x6 en la primera
fila y pivotar para eliminarla.

Iteración 1
x1 x2 x3 x4 x5 x6
Base cj -2 1 -1 0 0 M x̄s
x6 M 3 1 1 1 0 1 6
x5 0 9 3 1 1 1 0 10
(zj − cj ) 3M+2 M-1 M+1 M 0 0 6M
 Iteración 2
x1 x2 x3 x4 x5 x6
Base cj -2 1 -1 0 0 M x̄s
x3 -1 3 1 1 1 0 1 6
x5 0 6 2 0 0 1 -1 4
(zj − cj ) -1 -2 0 -1 0 -M-1 -6

La tabla anterior muestra la nueva solución óptima.

b.4) Añadir una nueva actividad x6 ≥ 0 significa añadir una nueva columna a la matriz y
un nuevo término al vector c. Para saber si esta nueva actividad tiene que entrar en la base
calculamos el vector z6 − c6 .
  
1 0 −1
z6 − c6 = (−2, 0) −1=1
1 1 2

Como z6 − c6 ≥ 0 su introducción en la base produce una mejora de la función objetivo.

Iteración 1
x1 x2 x3 x4 x5 x6
Base cj -2 1 -1 0 0 1 x̄s
x1 -2 1 1 1 1 0 -1 6
x5 0 0 3 1 1 1 1 10
(zj − cj ) 0 -3 -1 -2 0 1 -12

Iteración 2
x1 x2 x3 x4 x5 x6
Base cj -2 1 -1 0 0 1 x̄s
x1 -2 1 4 2 2 1 0 16
x6 1 0 3 1 1 1 1 10
(zj − cj ) 0 -6 -2 -3 -1 0 -22

La tabla anterior muestra la nueva solución óptima.

Problema 2
Un agente de la propiedad inmobiliaria tiene cinco posibles clientes para comprar seis fincas.
El i−simo cliente está dispuesto a pagar un precio Pij (o inferior) por la j−sima finca. Los
valores de Pij , en millones de euros, se indican a continuación, donde la ausencia de un valor
indica que el cliente no está interesado en la adquisición de la finca.

Parcela
Comprador 1 2 3 4 5 6
1 6 7 6 2 9 4
2 – 5 8 1 1 10
3 5 10 6 5 10 3
4 2 7 12 4 10 7
5 6 9 9 5 7 9
 El agente desea saber qué parcela ofrecer a cada comprador y a qué precio a fin de maximizar
sus beneficios. ¿Cuál es la mejor solución? ¿Qué beneficio obtendrá el agente?

SOLUCIÓN:

Para resolver este problema de asignación óptima hay que observar en primer lugar que
existen mas parcelas que compradores por lo que es necesario añadir un comprador ficticio
que compre la parcela sobrante. En realidad, la parcela asignada a este comprador ficticio
quedará sin vender, por lo que el beneficio obtenido de la venta de esa parcela será nulo.
Ası́ pues, añadimos una fila a la tabla con todos los beneficios iguales a cero. Además también
hay que hacer igual a cero la oferta del comprador que no está interesado un una parcela. La
tabla de beneficios del problema equilibrado es:
Parcela
Comprador 1 2 3 4 5 6
1 6 7 6 2 9 4
2 0 5 8 1 1 10
3 5 10 6 5 10 3
4 2 7 12 4 10 7
5 6 9 9 5 7 9
Ficticio 0 0 0 0 0 0

Ahora hay que tener en cuenta que se trata de un problema de maximización, por lo que hay que
transformar los costes en otros equivalentes que conduzcan a un problema de minimización. Una
manera sencilla de hacer esto es buscar el mayor coste de la tabla y restar de él todos los demás
costes. Se obtiene ası́ una matriz con todos los costes no negativos y tal que la minimización
del problema resultante es equivalente a la maximización del problema original.
El máximo elemento de la tabla es 12. Restando de 12 todos los elementos de la tabla se
obtiene la matriz:
Parcela
Comprador 1 2 3 4 5 6
1 6 5 6 10 3 8
2 12 7 4 11 11 2
3 7 2 6 7 2 9
4 10 5 0 8 2 5
5 6 3 3 7 5 3
Ficticio 12 12 12 12 12 12

Restamos ahora a cada fila el mı́nimo de la fila:

Parcela
Comprador 1 2 3 4 5 6
1 3 2 3 7 0 5
2 10 5 2 9 9 0
3 5 0 4 5 0 7
4 10 5 0 8 2 5
5 3 0 0 4 2 0
Ficticio 0 0 0 0 0 0

Restamos ahora a cada columna su mı́nimo. Puesto que el mı́nimo de cada columna es cero, la
matriz queda como está. Vemos ahora que son necesarias 5 lı́neas para cubrir todos los ceros
de la matriz.
 Parcela
* * * *
Comprador 1 2 3 4 5 6
1 3 2 3 7 0 5
2 10 5 2 9 9 0
3 5 0 4 5 0 7
4 10 5 0 8 2 5
5 3 0 0 4 2 0
* Ficticio 0 0 0 0 0 0
El mı́nimo elemento no cubierto es 3. Iteramos, restando 3 a los elementos no cubiertos y
sumando 3 a los doblemente cubiertos, dejando los demás inalterados. La nueva matriz es:
Parcela
Comprador 1 2 3 4 5 6
1 0 2 3 4 0 5
2 7 5 2 6 9 0
3 2 0 4 2 0 7
4 7 5 0 5 2 5
5 0 0 0 1 2 0
Ficticio 0 3 3 0 3 3
Ahora son necesarias 6 lı́neas para cubrir todos los ceros. Por tanto la solución actual es la
solución óptima. Hay dos posibles asignaciones óptimas, marcadas entre cuadrados y entre
cı́rculos en la tabla siguiente:
Parcela
Comprador 1 2 3 4 5 6
1 0 2 3 4
0 5
2 7 5 2 6 9
0
3 2
0 4 2 0 7
4 7 5
0 5 2 5
5
0 0 0 1 2 0
Ficticio 0 3 3
0 3 3
Una posible asignación óptima serı́a:
Parcela Comprador
1 1
2 5
3 4
4 –
5 3
6 2
La otra asignación óptima serı́a
Parcela Comprador
1 5
2 3
3 4
4 –
5 1
6 2
Ambas soluciones proporcionan un beneficio igual a 47. En ambos casos, la parcela 4 queda sin
vender.