Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Investigación Operativa
Universidad Rey Juan Carlos
2 Resultados Teóricos
3 Teoremas fundamentales
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 2 / 128
Algoritmos de resolución
Clave
Reconoce la optimalidad de un punto utilizando
CONDICIONES DE OPTIMALIDAD LOCALES
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 3 / 128
Resolución del problema
Las dos alternativas más importantes son:
1 Algoritmo del simplex (Dantzig, 1949).
−x1 + x2 = 2
z = mı́n −x1 − x2 ,
s.a −x1 + x2 ≤ 2, Óptimo z = 4
x1 + x2 ≤ 4,
5x1 + 3x2 ≤ 15, x1 + x2 = 4
x1 , x2 ≥ 0.
logoURJC
5x1 + 3x2 = 15
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 4 / 128
Resolución del problema
El primer método se mueve por la frontera de la región factible, hasta
llegar a un punto óptimo.
Se basa en un resultado básico:
Si el problema de programación lineal tiene solución, entonces se
alcanza al menos en un punto extremo
Óptimo z = 4
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 5 / 128
Resolución del problema
Los métodos de punto interior se mueven por el interior de la región
factible.
Utiliza técnicas de programación no lineal.
Se basa en el uso de funciones barrera que penalizan la violación de alguna
restricción.
Óptimo z = 4
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 6 / 128
Resolución del problema
Exponencial Polinomial
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 8 / 128
Algoritmo del simplex
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 9 / 128
Algoritmo del simplex
Contraste de
Solución no acotada FIN
no acotación
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 10 / 128
Algoritmo del simplex
Se mueve de punto extremo a punto extremo.
Sólo se mueve si mejora.
Selecciona los cambios más prometedores.
Ejemplo
s.a −x1 + x2 ≤ 1,
x1 ≤ 2,
u (2, 1
z=
x1 + x2 ≤ 3,
x1 , x2 ≥ 0. u u
(0, 0), z = 0 (2, 0), z = 6
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 11 / 128
Contenidos
1 Introducción al Algoritmo del Simplex
2 Resultados Teóricos
3 Teoremas fundamentales
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 12 / 128
Bases y Soluciones Básicas
Definición
Sea el problema
mı́n z =cT x,
s.a Ax = b,
x ≥ 0,
x = (xB , 0).
Observación
Si además, xB ≥ 0, x es una Solución Básica Factible.
Observación
Según esta definición, toda solución básica factible es un punto extremo
del poliedro definido por las restricciones.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 14 / 128
Ejemplo mı́n 3x1 − 5x2 + x3
s.a. x1 − x3 = 1
3x1 + 2x2 − 7x3 = 5
x1 , x2 , x3 ≥ 0
Los elementos de este problema son:
3 x1 ( ) ( )
1 1 0 −1
c = −5 , x = x2 , b = , A=
5 3 2 −7
1 x3
Resulta:
( ) ( )( ) ( )
−1 x1 1 0 1 1
BxB = b ⇐⇒ xB = B b ⇐⇒ = =
x2 − 32 1
2 5 1
La solución básica es x1 = 1, x2 = 1, x3 = 0.
x1 y x2 son variables básicas.
x3 es una variable no básica.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 16 / 128
Teorema Fundamental de la Programación Lineal
mı́n z = ct x
s.a. A x = b,
x ≥ 0,
I n es el vector de costes, b ∈ R
donde c ∈ R I m el vector de recursos,
A ∈ Mm×n la matriz de restricciones y x ∈ R I n el vector de variables.
Entonces:
1 Si admite una solución factible, admite una solución básica factible.
2 Si admite una solución óptima finita, admite una solución básica
óptima finita.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 17 / 128
Teorema Fundamental de la Programación Lineal
Demostración
Sin pérdida de generalidad, podemos suponer que A es de rango máximo
(en otro caso, se pueden eliminar las restricciones redundantes).
1 Sea x una solución factible del problema no necesariamente básica:
xT = (x1 , . . . , xk , 0, . . . , 0)
∑
k
Ax = xj aj = b.
j=1
logoURJC
Se pueden presentar dos situaciones distintas:
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 18 / 128
Teorema Fundamental de la Programación Lineal
Demostración (cont)
a) Los k vectores son linealmente independientes. En este caso k ≤ m y
por el teorema de la base, es posible encontrar m − k vectores
columna de la matriz A que junto con los k iniciales, formen una
base. Por tanto, x es una solución básica.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 19 / 128
Teorema Fundamental de la Programación Lineal
Demostración (cont)
b) Los k vectores son linealmente dependientes. Entonces, existen
escalares λi , i = 1, . . . , k no todos nulos tales que:
∑
k
λj aj = 0. (1)
j=1
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 20 / 128
Teorema Fundamental de la Programación Lineal
Demostración (cont)
b) Puesto que λr ̸= 0, podemos despejar ar en (2):
1 ∑
ar = − λj aj .
λr
j=1,k / j̸=r
resulta:
∑ xr ∑ ∑( xr )
aj xj − aj λj = xj − λj aj = b
λr λr
j̸=r j̸=r j̸=r
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 21 / 128
Teorema Fundamental de la Programación Lineal
Demostración (cont)
b) Por la elección de r, el vector
( xr xr xr xr )
x1 − λ1 , . . . , xr−1 − λr−1 , xr+1 − λr+1 , . . . , xk − λk
λr λr λr λr
tiene k − 1 todas las componentes no negativas. Completando este
vector con 0 se obtiene una solución factible con k − 1 componentes
no nulas.
Si los k − 1 vectores son linealmente independientes, aplicamos el
primer caso, en otro caso, con un razonamiento similar se puede
obtener una nueva solución con sólo k − 2 variables no nulas. Así se
repite hasta que los vectores asociados a las variables no nulas sean
linealmente independientes.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 22 / 128
Teorema Fundamental de la Programación Lineal
Demostración (cont)
2 Para demostrar la segunda parte, sea x una solución óptima del
problema no necesariamente básica:
xT = (x1 , . . . , xk , 0, . . . , 0)
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 23 / 128
Teorema Fundamental de la Programación Lineal
Demostración (cont)
b) Los k vectores son linealmente dependientes. Entonces, existen
escalares λi , i = 1, . . . , k no todos nulos tales que:
∑
k
λj aj = 0. (2)
j=1
x1 = x − ϵ1 λ, x2 = x + ϵ2 λ,
Demostración (cont)
b) Por tanto, ambos son puntos factibles. Por otro lado:
cT x ≤ cT x1 = c(x − ϵ1 λ) = cT x − ϵ1 cT λ,
cT x ≤ cT x2 = c(x + ϵ2 λ) = cT x + ϵ2 cT λ.
Corolario
Una solución factible es básica si y sólo si los vectores asociados a las
variables no nulas son linealmente independientes.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 26 / 128
Ejemplo
donde
3 ( ) ( ) x1
8 3 2 2
c = 2 b= A= x = x2
7 3 4 1
1 x3
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 27 / 128
Ejemplo
( )
3 2
1 B= con:
3 4
( )
x
xB = 1 y xN = x3 = 0.
x2
Entonces:
( )( ) ( )
−1 1 4 −2 8 3
xB = B b= = ,
6 −3 3 7 − 12
que no es factible.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 28 / 128
Ejemplo
( )
3 2
2 B= con:
3 1
( )
x
xB = 1 y xN = x2 = 0.
x3
Entonces:
( )( ) ( )
1 1 −2 8 2
xB = B−1 b = − = .
3 −3 3 7 1
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 29 / 128
Ejemplo
( )
2 2
3 B= con:
4 1
( )
x
xB = 2 y xN = x1 = 0.
x3
Entonces:
( )( ) ( )
−1 1 1 −2 8 1
xB = B b=− = .
6 −4 2 7 3
mı́n z =cT x,
s.a Ax ≤ b, (3)
x ≥ 0.
Sea B = (aj1 , . . . , ajm ) una base de A (por tanto, A = (B, N)) y sea
x = (xB , xN ) la solución básica que se obtiene anulando las variables
asociadas a las columnas que no están en la base:
x = (xB , 0).
Entonces, resulta:
−1
z = cT x = cT
BB b
y
logoURJC Ax = b ⇒ BxB = b ⇒ xB = B−1 b.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 31 / 128
Sistema Explícito
Por otra parte, al ser B una base de RI m , todo vector de R
I m se puede poner
como combinación lineal de los vectores de B; en concreto, los vectores aj ,
j = m + 1, . . . , n:
∑
aj = yij ai ⇐⇒ aj = Byj ∀j ∈ J , (4)
i∈I
donde:
Ax = b
xB + YxN = xB (5)
o, equivalentemente:
∑
xi + yij xj = xi ∀i ∈ I. (6)
logoURJC
j∈J
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 33 / 128
Sistema Explícito
Este sistema se denomina sistema explícito y permite expresar el sistema
de restricciones original en función de cualquier solución básica factible.
Por otra parte:
z = cT T
B xB + cN xN , (7)
y, multiplicando (5) por cB resulta
cT T T
B xB + cB YxN = cB xB .
Observación
xB representa las componentes de una solución cualquiera que están
asociadas a B mientras que xB representa el valor que toma las variables
básicas asociadas a la base B.
Observación
Las cantidades cj − zj reciben el nombre de costes reducido, crj y se
interpretan como la variación que se produce en la función objetivo si la
variable no básica xj se introduce en la base con valor igual a 1.
Observación
La cantidad cT B xB se conoce como valor objetivo. Es el resultado de
sustituir la solución óptima en la función objetivo.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 35 / 128
Observaciones
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 36 / 128
Ejemplo (cont): Cambio de base
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 37 / 128
Ejemplo
máx 3x1 + 2x2
s.a −x1 + x2 + x3 = 1,
x1 + x4
= 2,
x1 + x2 + x5 = 3,
x1 , x2 , x3 , x4 , x5 ≥ 0.
Para este problema, el algoritmo del simplex encuentra la solución en dos
iteraciones. El siguiente gráfico muestra la relación entre los vértices que recorre
el algoritmo y su correspondiente solución básica.
u (2, 1), z = 8
u u
(0, 0), z = 0 (2, 0), z = 6
logoURJC 1 0 0 1 −1 0 1 −1 1
B = 0 1 0 B = 0 1 0 B = 0 1 0
. . . . . . . . . . . . . . . . . . . .
0 0 1 0 1 1 0 1 1
. . . . . . . . . . . . . . . . . . . .
Básicas: x3 , x4 , x5
Antonio Alonso-Ayuso Opt. Lineal Continua (versión
Básicas: x3 , x1 ,profesor)
x5 MEGI
Básicas: x3 , x(URJC) 38 / 128
1 , x2
Algoritmo del simplex
1. Se obtiene una solución básica factible (SBF) inicial. Hay dos
métodos:
1.1. Método de las dos fases.
1.2. Método de las penalizaciones (o de la gran M).
2. Desde la SBF actual se estudia si se puede obtener una SBF mejor
2.1. No se estudian otras bases, sólo la dirección.
2.2. Para cada dirección se calcula el coste reducido (cr), que indica la
variación en la función objetivo al moverse en esa dirección.
1 0 0
B = 0 1 0
0 0 1
Básicas: x3 , x4 , x5
cr = 2
u No básicas: x1 , x2
(0, 0) cr = 3
z=0
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 39 / 128
Algoritmo del simplex
1 −1 0
B = 0 1 0
0 1 1
Básicas: x3 , x1 , x5
cr = 2
u No básicas: x4 , x2
cr = −3
(2, 0)
z=6
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 40 / 128
Algoritmo del simplex
3. Al cambiar de solución básica (punto extremo), sólo cambia un
variable:
3.1. Una variable básica pasa a no básica (de ≥ 0 a = 0).
3.2. Una variable no básica pasa a básica (de = 0 a ≥ 0).
4. Dada una base, el coste reducido se puede asociar a la variable no
básica que entra en la base al hacer un cambio (al moverse al otro
punto extremo).
5. El coste reducido de la variable no básica es el valor de la función
objetivo si entra en la base con valor igual a 1.
1 0 0
B = 0 1 0
0 0 1
cr = 2 u
Básicas: x3 , x4 , x5
u u No básicas: x1 , x2
logoURJC cr = 3
(0, 0)
. . . . . . . . . . . . . . . . . . . .
z=0
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 41 / 128
Algoritmo del simplex
5.1. Puede ocurrir que al fijar esa variable a 1, la solución sea infactible.
1 0 0
B = 0 1 0
0 0 1
cr = 2 u
Básicas: x3 , x4 , x5
u u No básicas: x1 , x2
logoURJC (0, 0) cr = 3
El algoritmo calcula el punto exacto hasta el que puede llegar.
z=0 . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 42 / 128
Algoritmo del simplex
5.2. Puede ocurrir que al avanzar en ese dirección de mejora no encuentre
ningún punto.
máx 3x1 + 2x2
s.a x1 − x2 ≤ 1,
x1 + x2 ≥ 3,
x1 , x2 ≥ 0.
La solución es no acotada.
El óptimo es +∞
u u
cr = −0,5 cr = 2,5
u
(2, 1)
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 43 / 128
Algoritmo del simplex
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 44 / 128
Contenidos
1 Introducción al Algoritmo del Simplex
2 Resultados Teóricos
3 Teoremas fundamentales
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 45 / 128
Teorema Existencia Soluciones Óptimas Finitas
Teorema
Dada una Solución Básica Factible asociada a B, si para un k ∈ J se tiene
que crk < 0 y yk ≤ 0, entonces no existe solución óptima finita.
Demostración
Según el sistema explícito, tenemos que:
xB + YxN = xB .
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 46 / 128
Teorema Existencia Soluciones Óptimas Finitas
Demostración (cont)
Entonces, resulta:
x′B = xB − yk x′k .
Puesto que yk ≤ 0, los valores x′B son siempre positivos, para cualquier
valor positivo de x′k .
Esta nueva solución no es básica, ya que puede tener m + 1 componentes
no nulas: −1
B b − x′k yk
0
...
x =
′
′
xk
..
.
0
Pero es factible.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 47 / 128
Teorema Existencia Soluciones Óptimas Finitas
Demostración (cont)
Efectivamente:
Además:
z′ = z + crk x′k .
y tomando x′k tan grande como se quiera, el valor de z′ tiende a menos
infinito y la solución es no acotada.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 48 / 128
Teorema Existencia Soluciones Óptimas Finitas.
Observaciones
Recuérdese que yj = B−1 aj y que por el teorema de caracterización
de direcciones extremas, si yj ≤ 0, entonces hemos encontrado una
dirección extrema de la región factible, esto es, la región factible es no
acotada.
−yj
0
..
.
La dirección extrema viene dada por el vector: d =
1 donde el
..
.
0
1 está colocado en la posición j-ésima.
Si, además, crj > 0, entonces la dirección extrema está en sentido de
logoURJC
crecimiento de la función objetivo.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 49 / 128
Teorema del Cambio de Solución Básica
Teorema
Dada una Solución Básica factible asociada a B, si para un k ∈ J se tiene
que crk ≤ 0 y para algún i ∈ I es yik > 0, la solución básica asociada a B′ ,
donde B′ se obtiene introduciendo el vector ak y sacando aℓ de B de modo
que: {x }
xℓ i
= mı́n
yℓk i/yik >0 yik
es una nueva solución básica factible tal que z′ ≤ z.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 50 / 128
Teorema del Cambio de Solución Básica
Demostración
Veamos cuál es la solución básica asociada a la nueva base B′ :
Para que la nueva solución sea factible debe verificarse que todas sus
componentes sean no negativas:
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 51 / 128
Teorema del Cambio de Solución Básica
Demostración (cont)
Si yik ≤ 0, entonces x′i ≥ 0.
Si yik > 0, dependiendo del valor asignado a x′k , xi puede ser negativo.
Para que esto no ocurra debe verificarse que:
{x } xℓ
i
x′k ≤ mı́n = .
i/yik >0 yik yℓk
Tomando
xℓ
x′k = > 0,
yℓk
la variable xℓ se anula y la nueva base resulta ser:
Demostración (cont)
Además:
xℓ
z′ = z + crk ≤ z.
yℓk
Si xℓ > 0, la nueva solución obtenida mejora a la solución anterior,
mientras que si xℓ = 0, se obtiene la misma solución (corresponde al
mismo punto extremo, que se puede expresar a partir de las dos bases B y
B′ ). En este caso se puede producir un ciclo.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 53 / 128
Teorema de la Solución Óptima
Teorema
Dada una solución Básica Factible asociada a B, si crj ≥ 0, ∀j ∈ J ,
entonces la solución es óptima.
Demostración
De (8) tenemos que ∑
z′ = z + crj x′j ,
j∈J
z′ ≥ z.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 54 / 128
Teorema de la Solución Óptima
Corolario
Dada una solución básica factible óptima, si se consideran las cantidades
crj ≥ 0 asociadas a j ∈ J , una solución factible distinta x′ será óptima si y
sólo si x′j > 0 implica que crj = 0.
Corolario
Dada una solución básica factible óptima, si crj > 0, ∀j ∈ J , la solución es
única.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 55 / 128
Contenidos
1 Introducción al Algoritmo del Simplex
2 Resultados Teóricos
3 Teoremas fundamentales
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 56 / 128
Algoritmo del Simplex
mı́n cT x,
s.a Ax = b,
x ≥ 0.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 57 / 128
Algoritmo del Simplex
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 58 / 128
Algoritmo del Simplex
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 59 / 128
Algoritmo del Simplex. Ejemplo
mı́n x1 − 3x2 − x3
s.a x1 + 4x2 + 3x3 = 12,
x1 + 2x2 − x3 = 4,
x1 , x2 , x3 ≥ 0.
donde
1 ( ) ( ) x1
12 1 4 3
c = −3 b= A= x = x2
4 1 2 −1
−1 x3
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 60 / 128
Algoritmo del Simplex. Ejemplo
Entonces:
I ={1, 3}
J ={2}
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 61 / 128
Algoritmo del Simplex. Ejemplo
y cr2 resulta:
(5)
cr2 = c2 − z2 = c2 − cT
B y2 = −3 − (1, −1) 2
1 = −5
2
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 62 / 128
Algoritmo del Simplex. Ejemplo
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 63 / 128
Algoritmo del Simplex. Ejemplo
con
I ={2, 3},
J ={1}.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 64 / 128
Algoritmo del Simplex. Ejemplo
y cr1 resulta:
( 2
)
cr1 = c1 − z1 = c1 − cT
B y1 = 1 − (−3, −1) 5 = 2.
− 15
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 65 / 128
Algoritmo del Simplex. Ejemplo 2
donde
3 ( ) ( ) x1
1 1 0 −1
c = −5 , b= , A= , x = x2 .
5 3 2 −7
1 x3
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 66 / 128
Algoritmo del Simplex. Ejemplo 2
Entonces:
I ={1, 2},
J ={3}.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 67 / 128
Algoritmo del Simplex. Ejemplo 2
y cr3 resulta:
( )
−1
cr3 = c3 − cT
B y3 = 1 − (3, −5) = −6.
−2
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 68 / 128
Algoritmo del Simplex. Ejemplo 2
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 69 / 128
Ejemplo 3
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 70 / 128
Ejemplo 4
max x1 + x2
s.a −2x1 + x2 ≤ 1
2x1 + 2x2 ≤ 5
x1 , x2 ≥ 0
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 71 / 128
Contenidos
1 Introducción al Algoritmo del Simplex
2 Resultados Teóricos
3 Teoremas fundamentales
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 72 / 128
Unicidad de la solución óptima
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 73 / 128
Unicidad de la solución óptima
z = z + crj0 xj0
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 75 / 128
Ejemplo
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 76 / 128
Ejemplo (cont)
3x1 + 2x2 = 8
(1, 2)
s
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 77 / 128
Ejemplo (cont)
. Por tanto, las bases en cada iteración son B = (a1 , a2 , ah2 , ah3 ) y
B = (a1 , a2 , ah2 , ah4 ).
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 78 / 128
Unicidad de la solución óptima
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 79 / 128
Ejemplo
máx x1 + x2
s.a −2x1 + x2 ≤ 1,
x1 ≤ 2,
x1 + x2 ≤ 3,
x1 , x2 ≥ 0.
Son solución todos los puntos de la forma:
( ) ( )
2 1
λ + (1 − λ) con λ ∈ [0, 1].
1 2
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 80 / 128
Ejemplo (cont)
x1 + x2 = 3
s (1, 2)
s (2, 1)
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 81 / 128
Contenidos
1 Introducción al Algoritmo del Simplex
2 Resultados Teóricos
3 Teoremas fundamentales
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 82 / 128
Fórmulas de cambio de base
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 83 / 128
Fórmulas de cambio de base. Ejemplo
mı́n x1 − 3x2 − x3 ,
s.a. x1 + 4x2 + 3x3 = 12,
x1 + 2x2 − x3 = 4,
x1 , x2 x3 ≥ 0.
donde
1 ( ) ( ) x1
12 1 4 3
c = −3 b= A= x = x2
4 1 2 −1
−1 x3
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 84 / 128
Fórmulas de cambio de base. Ejemplo
y cr2 resulta:
cr2 = c2 − cT
B y2 = −5.
( ) ( ) ( ) ( )
y11 1 y 0
NOTA: y1 = = y y3 = 13 =
y31 0 y33 1
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 85 / 128
Fórmulas de cambio de base. Ejemplo
Candidata a entrar x2 → k = 2
Candidata a salir x1 → l = 1
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 86 / 128
Fórmulas de cambio de base. Actualización de B
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 87 / 128
Fórmulas de cambio de base. Ejemplo (cont)
Es decir:
( ) ( )
1 3 ′ 4 3
B= →B =
1 −1 2 −1
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 88 / 128
Fórmulas de cambio de base. Actualización de x′B
Para el cálculo del valor de las nuevas variables, del sistema explícito se
obtiene que:
x′i = xi − yik x′k , ∀i ∈ I ′ \ {k}.
Y el valor asignado a xk era
{x } xℓ
i
x′k = mı́n = ,
yik >0 yik yℓk
de donde resulta:
yik
x′i =xi − xℓ , ∀i ∈ I ′ \ {k},
yℓk
xℓ
x′k = .
yℓk
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 89 / 128
Fórmulas de cambio de base. Ejemplo (cont)
y32 1/2 4
x′3 =x3 − x1 = 2 − 6= ,
y12 5/2 5
x1 6 12
x′2 = = = .
y12 5/2 5
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 90 / 128
Fórmulas de cambio de base. Actualización de y
aj = y1j a1 + · · · + ymj am , ∀j ∈ J .
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 91 / 128
Fórmulas de cambio de base. Actualización de y
Actualización de yℓ :
yik
y′iℓ = − , ∀i ∈ I ′ \ {k},
yℓk
1
y′kℓ = ,
yℓk
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 92 / 128
Fórmulas de cambio de base. Ejemplo (cont)
1 1 2
y′21 = = = ,
y12 5/2 5
1 1 1 1
y′31 =− y32 = 0 − =− .
y12 5/2 2 5
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 93 / 128
Fórmulas de cambio de base. Actualización de y
Para el resto de los elementos de J ′ teníamos:
y reagrupando términos,
( y1k ) ( yℓ−1k ) ( yℓ+1k )
aj = y1j − a1 +· · ·+ yℓ−1j − aℓ−1 + yℓ+1j − aℓ+1 +· · · +
yℓk yℓk yℓk
( ymk ) yℓj
logoURJC ymj − am + ak
yℓk yℓk . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 94 / 128
Fórmulas de cambio de base. Actualización de y
Actualización yj /j ∈ J ′
yik
y′ij =yij − yℓj , ∀i ∈ I ′ \ {k},
yℓk
yℓj
y′kj = .
yℓk
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 95 / 128
Fórmulas de cambio de base. Actualización de crj
Por último, falta determinar el valor de los costes reducidos cr′j para la
nueva base:
∑ ∑
cr′j = cj − ci y′ij = cj − ci y′ij − ck y′kj =
i∈I ′ i∈I ′ \{k}
∑ ∑ yik yℓj
= cj − ci yij + ci yℓj − ck =
yℓk yℓk
i∈I ′ \{k} i∈I ′ \{k}
yℓj ( ∑ )
= cj − zj + cℓ yℓj + ci yik − ck =
yℓk ′ i∈I \{k}
yℓj ( ∑ ) yℓj
= crj − ck − ci yik − cℓ yℓk = crj − crk .
yℓk ′
yℓk
i∈I \{k}
yℓj
logoURJC cr′j = crj − crk j ∈ ∀J ′
yℓk . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 96 / 128
Fórmulas de cambio de base. Ejemplo (cont)
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 97 / 128
Fórmulas de cambio de base. Resumen
Vectores A
▶ yℓ :
yik 1
y′iℓ = − ∀i ∈ I ′ \ {k} y′kℓ =
yℓk yℓk
▶ yj j ̸= ℓ
yik yℓj
yij′ = yij − yℓj ∀i ∈ I ′ \ {k} y′kj = ,
yℓk yℓk
Variables:
yik
x′i =xi − xℓ , ∀i ∈ I ′ \ {k},
yℓk
xℓ
x′k = .
yℓk
Costes Reducidos
yℓj
cr′j = crj − j ∈ ∀J ′
logoURJC
crk
yℓk .
.
.
.
.
. . . . .
. . . .
. . . .
. . . .
. . . .
. . . . .
.
.
.
.
.
.
.
.
.
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 98 / 128
Contenidos
1 Introducción al Algoritmo del Simplex
2 Resultados Teóricos
3 Teoremas fundamentales
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 99 / 128
Tabla del Simplex
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 101 / 128
Tabla del Simplex
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 103 / 128
Tabla del Simplex. Ejemplo (cont)
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 104 / 128
Tabla del Simplex. Ejemplo (cont)
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 105 / 128
Contenidos
1 Introducción al Algoritmo del Simplex
2 Resultados Teóricos
3 Teoremas fundamentales
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 106 / 128
Solución Inicial
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 107 / 128
Variables Artificiales
Sea el problema
mı́n z =cT x,
s.a Ax = b, (LP)
x ≥ 0,
A = (Im , N)
x = I−1
m b = b ≥ 0,
logoURJC
que es factible.
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 108 / 128
Variables Artificiales
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 109 / 128
Variables Artificiales. Ejemplo
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 110 / 128
Variables Artificiales. Ejemplo
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 111 / 128
Variables Artificiales. Ejemplo
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 112 / 128
Variables Artificiales
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 113 / 128
Método de las penalizaciones
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 114 / 128
Método de las penalizaciones
mı́n z =cT x,
s.a Ax = b, (P)
x≥0
se transforma en:
mı́n z =cT x + MT xa ,
s.a Ax + Im xa = b, (P(M))
x ≥ 0.
Demostración
Trivial.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 116 / 128
Método de las penalizaciones
Lema
Si (x, xa ) es una solución óptima de (P(M)), con xa ̸= 0, entonces (P) no
tiene solución.
Demostración
Sea x′ una solución factible de (P); entonces, por el lema anterior, (x′ , 0)
es una solución factible de (P(M)) y
cT x′ + MT 0 ≤ cT x + MT xa ,
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 117 / 128
Método de las penalizaciones
Se pueden presentar las siguientes situaciones:
min 4 1 0 0 M M
x1 x2 x3 x4 xa1 xa2
4 x1 1 0 1/5 0 3/5 0 3/5
1 x2 0 1 -3/5 0 -4/5 0 6/5
0 x4 0 0 1 1 1 1 0
crj 0 0 -1/5 0 M-8/5 M 4
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 120 / 128
Método de las penalizaciones. Ejemplo
min 4 1 0 0
x1 x2 x3 x4
4 x1 1 0 0 -1/5 3/5
1 x2 0 1 0 3/5 6/5
0 x3 0 0 1 1 0
crj 0 0 0 1/5 4
x1 = 3/5 ; x2 = 6/5 ; x3 = 0 ; x4 = 0 ; z∗ = 4
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 121 / 128
Método de las Dos Fases
mı́n z =1T xa ,
s.a Ax + Im xa = b, (P(M))
x ≥ 0.
mı́n z =cT x,
s.a Ax = b, (P)
x ≥ 0.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 123 / 128
Método de las Dos Fases.
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 124 / 128
Método de las Dos Fases. Ejemplo
Tomamos de nuevo el problema (P), se trata de encontrar una solución
inicial a partir del problema (P(M)):
Fase I:
min 0 0 0 0 1 1
x1 x2 x3 x4 xa1 xa2
1 xa1 3 1 0 0 1 0 3
1 xa2 4 3 -1 0 0 1 6
0 x4 1 2 0 1 0 0 3
logoURJC crj -7 -4 1 0 0 0 9
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 125 / 128
Método de las dos fases. Ejemplo
min 0 0 0 0 1 1
x1 x2 x3 x4 xa1 xa2
0 x1 1 0 1/5 0 3/5 0 3/5
0 x2 0 1 -3/5 0 -4/5 0 6/5
0 x4 0 0 1 1 1 1 0
crj 0 0 0 0 1 1 0
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 126 / 128
Método de las dos fases. Ejemplo
Fase II: Eliminamos las columnas de las variables artificiales, recuperamos
función objetivo y recalculamos costes reducidos:
min 4 1 0 0
x1 x2 x3 x4
4 x1 1 0 1/5 0 3/5
1 x2 0 1 -3/5 0 6/5
0 x4 0 0 1 1 0
crj 0 0 -1/5 0 4
Después de una iteración se obtiene de nuevo la tabla:
min 4 1 0 0
x1 x2 x3 x4
4 x1 1 0 0 -1/5 3/5
1 x2 0 1 0 3/5 6/5
0 x3 0 0 1 1 0
logoURJC
crj 0 0 0 1/5 4
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 127 / 128
Comparación
logoURJC
. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
Antonio Alonso-Ayuso Opt. Lineal Continua (versión profesor) MEGI (URJC) 128 / 128