OPTIMIZACION I

PROFESOR : IVAN DERPICH CONTRERAS

AYUDANTE: FERNANDA CASTRO

LECTURA OBLIGATORIA
UNIDAD TEMATICA 5
PROGRAMACION LINEAL
 Revisión del Método de eliminación Guasiana para
resolver sistemas de ecuaciones

 Introducción al Algoritmo Simplex

2
Agenda
 Revisión de como resolver sistemas de
ecuaciones
 Resolviendo a través de eliminación Gaussiana

 El algoritmo simplex
– Una técnica de búsqueda inteligente
– Uno de los más importantes desarrollos en los
ultimos 100 años

3
 Resolviendo para tres
variables
E1 2 x1 + 2 x2 + x3 = 9
E2 2 x1 - x2 + 2 x3 = 6
E3 x1 - x2 + 2 x3 = 5

Paso 1. Hacer los coeficientes de x1 en

las tres ecuaciones 1, 0 y 0.

E4 = .5 E1 x1 + x2 + .5 x3 = 9/2
E5 = E2 – E1 - 3 x2 + x3 = -3
E6 = E3 - .5 E1 - 2x2 + 1.5 x3 = 1/2

4
 Pasos 2 y 3.
E4 x1 + x2 + .5 x3 = 9/2
E5 - 3 x2 + x3 = -3
E6 - 2x2 + 1.5 x3 = 1/2

E7 = E4 – E8 x1 + 5 x3 /6 = 7/2
E8 = - E5 / 3 x2 - x3 / 3 = 1
E9 = E6 + 2 E8 + 5 x3 /6 = 5/2

E10 = E7 – 5 E12 / 6 1x1 = 1

E11 = E8 + E12 / 3 0 x2 = 2
E12 = 6 E9 / 5 0 x3 = 3

5
Variación: escribir las variables arriba y
solo los coeficientes abajo.

E1 2 x1 + 2 x2 + x3 = 9
E2 2 x1 - x2 + 2 x3 = 6
E3 x1 - x2 + 2 x3 = 5

x1 x2 x3 RHS
E1 2 2 1 = 9
E2 2 -1 2 = 6
E3 1 -1 2 = 5

6
Resolver las ecuaciones como antes
x1 x2 x3 RHS
E1 2 2 1 = 9
E2 2 -1 2 = 6
E3 1 -1 2 = 5

x1 x2 x3 RHS
E4 = .5 E1 1 1 1/2 = 9/2
E5 = E2 – E1 0 -3 1 = -3
E6 = E3 - .5 E1 0 -2 3/2 = 1/2

x1 x2 x3 RHS
E7 = E4 – E8 1 0 5/6 = 7/2
E8 = - E5 / 3 0 1 -1/3 = 1
E9 = E6 + 2 E8 0 0 5/6 = 5/2 7
 Alguna notación
x1 x2 x3 RHS
E7 1 0 5/6 = 7/2
E8 0 1 -1/3 = 1
E9 0 0 5/6 = 5/2

When the equations are written with variables at the top

and coefficients are below, it will be called a tableau.

1 0
0 and 1 are unit vectors 11 and 12.
0 0

8
Q1. Suponga que finalizamos de resolver las dos
ecuaciones. Hemos pasado recién el paso 1 y 2. Después
ejecutamos el paso 3, cual de lo siguiente no es
verdadero:
x1 x2 x3 RHS
E7 1 0 5/6 = 7/2
E8 0 1 -1/3 = 1
E9 0 0 5/6 = 5/2

1. La columna de x3 es 13. F
2. Las columnas de x2 y x3 permanecen como 11 y 12.V
3. La primera ecuación x1 = 7/2. F
4. La tercera ecuación da la solución de x3. V
9
 Pivoteo
x1
g x x3 x4 RHS
2
Fila 1 2 2 1 1 = 9
Fila 2 2 -1 2 0 = 6
Fila 3 1 -1 2 1 = 5

Para Pivotear sobre los coeficientes en la fila i y

columna j convirtiéndola en 1i se debe
1. Multiplicar la fila i por una constante.
2. Agregar multiplos de la fila i a otras filas.
x1 x2 x3 x4 RHS
Fila 1 0 3 -1 1 = 3
Fila 2 1 -1/2 1 0 = 3
Fila 3 0 -1/2 1 1 = 2
10
Q2. Suppose that we pivot on the “-1” in Row 1. What
is coefficient of x4 in Row 3 after the pivot?

x1 x2 x3 x4 RHS
Row 1 0 -3 1 -1 = -3
Row 2 -1 -5/2 0 -1 = -6
Row 3 0 5/2 0 2 = 5

A. 0
B. 1
C. 2
D. No hay suficiente información
11
 Resumen de resolución de
sistemas de ecuaciones
x1 x2 x3 RHS
2 2 1 = 9
2 -1 2 = 6
1 -1 2 = 5

Para resolver x1, x2, y x3 d e b e m o s

• Pivotear sobre la fila 1, col 1
• Pivotear sobre la fila 2, col 2
• Pivotear sobre la fila 3, col 3
(suponiendo los coeficientes son no-zero)

Esto termina con un resumen sobre resolución de

sistemas de ecuaciones.
12
Programación Lineal
 Poniendo el problema en la forma correcta para
el método simplex
– Cambiando restricciones de desigualdad a
restricciones de igualdad (aquellas que no son
restricciones de no negatividad).
– Agregando la función objetivo,
– Poner en forma canónica.

 El método simplex, comienza desde la forma

canónica.

13
Un problema lineal con restricciones de
desigualdad .
Consideremos un problema lineal en el cual todas las variables
son no negativas. ¿ Cómo podemos convertir las restricciones
de desigualdad en restricciones de igualdad ?

max z = 3 x1 + 2 x2 - x3 + 2 x4
x1 + 2 x2 + x3 - x4 ≤ 5 ;
2 x1 +4 x2 + x3 + 3 x4 ≥ 8;
x1, x2, x3, x4 ≥ 0

Se convierte una restricción “≤” en una restricción “=“

agregando una variable de holgura , restringida a ser ≥ 0.

x1 + 2 x2 + x3 - x4 + s1 = 5 ;
s1 ≥ 0
14
 Convirtiendo una restricción “≥”.
2 x1 +4 x2 + x3 + 3 x4 ≥ 8;

Se convierte una restricción “≥” en una restricción “=“

Agregando una variable de exceso, o de holgura
negativa restringida a ser ≥ 0.

2 x1 +4 x2 + x3 + 3 x4 - s2 = 8 ;

s2 ≥ 0

Siempre que transformamos una restricción, creamos una

nueva variable. Hay solo una restricción de igualdad por
cada variable de holgura y por cada variable de exceso.
15
Creando un LP tableau de un LP
Supuestos:
• Todas las variables son no negativas
• Todas las otras restricciones son
restricciones de “=“.

max z= 3 x1 + 2 x2 - x3 + 2 x4
x1 + 2 x2 + x3 - x4 + s1 = 5 ;
2 x1 +4 x2 + x3 + 3 x4 - s2 = 8;
x1, x2, x3, x4, s1, s2 ≥ 0
Preguntas:
¿Qué variables se debieran incluir ?
¿ Qué hacemos con la función objetivo ?

16
 Un tableau LP
max z= 3 x1 + 2 x2 - x3 + 2 x4
x1 + 2 x2 + x3 - x4 + s1 = 5 ;
2 x1 +4 x2 + x3 + 3 x4 - s2 = 8;
x1, x2, x3, x4, s1, s2 ≥ 0

- z + 3 x1 + 2 x2 - x3 + 2 x4 = 0

-z x1 x2 x3 x4 s1 s2 RHS
1 3 2 -1 2 0 0 = 0
0 1 2 1 -1 1 0 = 5
0 2 4 1 3 0 -1 = 8

17
 El método simplex comienza con un LP
en forma canónica
-z x1 x2 x3 x4 s1 s2 RHS
1 3 2 -1 2 0 0 = 0
0 1 2 1 -1 1 0 = 5
0 2 4 1 3 0 -1 = 8

Un tableau LP está en forma canónica si todo

lo siguiente es verdadero.

1. Todas las variables de decisión son no negativas.

2. Todas las otras restricciones son restricciones de
z)
igualdad .
3. El lado derecho (RHS) es no negativo (excepto para
la fila de costos o fila de la función objetivo).
4. Para cada fila i, hay una columna en forma canónica.
.

18
 Un LP en forma canónica
-z x1 x2 x3 x4 x5 x6 RHS
1 3 -2 -1 0 1 0 = 0
0 1 -2 1 1 -1 0 = 5
0 2 -4 -1 0 2 1 = 1

Revisemos nuestra lista de chequeo de la

lámina anterior

1. Todas las variables de decisión son no negativas

z) (excepto para z).
2. Todas las otras restricciones son restricciones de
igualdad .
3. El lado derecho (RHS) es no negativo (excepto para
la fila de costos).
4. Para cada fila i, hay una columna igual a 1 19
Sobre la fila de la función objetivo
-z x1 x2 x3 x4 x5 x6 RHS
1 3 -2 -1 0 1 0 = 0

Nos referiremos a la fila de la función objetivo como

la “fila-z”.

20
Q3. Considere el tableau de abajo, donde
a, b, y c son desconocidos. Bajo que
condiciones el tableau está en forma
canónica? Seleccione la mejor respuesta.

-z x1 x2 x3 x4 x5 x6 RHS
1 3 -4 -1 0 1 0 = a
0 1 -2 1 1 -1 0 = 5
0 2 -4 -1 b 2 1 = c

1. a ≥ 0 2. a ≤ 0 3. b = 0, 4. b = 0,
b = 0, b = 0, c ≥ 0. c>0
c ≥ 0. c > 0.
21
El metodo simplex
comienza con un
tableau en forma Es fácil satisfacer las restricciones de
canónica. Es facil 1 a 3. La condicion 4 es difícil. Esto lo
ponerlo de esta explicaremos mas adelante. Por
forma ? ahora. Les pido aceptar la forma
canónica.

OK. Por ahora.

22
Quiebre Mental

23
 Variables básicas, Variables no-básicas
y soluciones básicas factibles.
-z x1 x2 x3 x4 x5 x6 RHS
1 3 -2 -1 0 1 0 = 0
0 1 -2 1 1 -1 0 = 5
0 2 -4 -1 0 2 1 = 1

Las variables básicas son las variables

correspondientes a la matriz identidad. {-z, x4, x6}.
Las variables no basicas son las variables
restantes . {x1, x2, x3, x5} x1=x2=x3=x4=0

La solución básica factible es la solución única obtenida

al fijar las variables no básicas a 0.
-z = 0, x1 = 0, x2 = 0, x3 = 0, x4 = 5, x5 = 0, x6 = 1. 24
 El mismo problema, diferentes variables
basicas.
-z x1 x2 x3 x4 x5 x6 RHS
1 3 -2 -1 0 1 0 = 0
0 1 -2 1 1 -1 0 = 5
0 2 -4 -1 0 2 1 = 1

-z x1 x2 x3 x4 x5 x6 RHS
1 4 -4 0 1 0 0 = 5
0 1 -2 1 1 -1 0 = 5
0 3 -6 0 1 1 1 = 6

¿Cuales son las variables básicas ? {-z, x3, x6}.

¿ Cuales son las variables no básicas ? {x1, x2, x4, x5}
¿ Cual es la solución básica factible ?

z = -5, x1 = 0, x2 = 0, x3 = 5, x4 = 0, x5 = 0, x6 = 6.
25
Una solución básica factible es una solución de
punto esquina. Los cuatro círculos negros son
soluciones de punto esquina
y
(puntos extremos).
5

2
3 x + 5 y = 19

1 2 3 4 5 6 x 26
 Un ejercicio de pre-calentamiento

Q4. ¿ Cual es el valor de la función objetivo del

siguiente programa lineal .
maximizar z = -3 x1 – 4 x2 –0 x3 + 13
sujeto a x1, x2, x3 ≥ 0
A. 0
B. 13
C. 20
D. There is not enough information

27
 Condiciones de Optimalidad de un
problema de maximización
Condición de optimalidad. Una solución básica factible es
optima si todos los coeficientes de la función objetivo, es
decir de la fila-z son no positivos.
Var Básicas -z x1 x2 x3 x4 x5 RHS
-z 1 0 -13 0 0 -1 = -17
x3 0 0 2 1 0 2 = 4
x4 0 0 -1 0 1 -2 = 1
x1 0 1 6 0 0 1 = 3

z x1 x2 x3 x4 x5
BFS 17 3 0 4 1 0

Objectivos: z = 0 x1 - 13 x2 + 0 x3 + 0 x4 – x5 + 17. Hay

alguna solución con x ≥ 0 que tenga valor > 17
28
 Alguna notación LP
-z x1 x2 xn RHS
1 c1 c2 … cn = -z0
0 a11 a12 … a1n = b1 ci es el coeficiente de
… … … …… costo de la variable xi
0 am1 am2 … amn = bm

El tableau inicial de un LP

-z x1 x2 x6 RHS
1 c1 c2 … cn = -z0
0 a11 a12 … a1n = b1 c̅ i es el costo
… … … …… reducido de
0 am1 am2 … amn = bm la variable xi.

29
El tableau para algún LP después de pivotar.
 Condiciones de Optimalidad de un
problema de Maximización
Condición de Optimalidad. Una solución básica
factible (sbf) es optima si todos los costos reducidos
de todas las variables (excepto z) son no-positivos.

Var Basicas -z x1 x2 x3 x4 x5 RHS

-z 1 0 -13 0 0 -1 = -17
x3 0 0 2 1 0 2 = 4
x4 0 0 -1 0 1 -2 = 1
x1 0 1 6 0 0 1 = 3

30
¿ Como obtener una solución
On Improving mejor siSolutions
Non-optimal la sbf no es
óptima?.
-z x1 x2 x3 x4 x5 x6 RHS
1 4 -4 0 -1 0 0 = -3
0 1 -2 1 1 -1 0 = 5
0 3 -6 0 1 1 1 = 6

z = 4 x1 – 4 x2 – x4 + 3

Elegir i tal que c̅ i > 0. (elegir i = 1)

• Nota: xi es una variable no basic a
Aumentar x1.
Evitar aumentar x2, x4, x5. (No cambiar el valor de
ninguna otra variable no básica).
31
 Encontrar
On unaNon-optimal
Improving solución con beneficio
Solutions
mayor.
-z x1 x2 x3 x4 x5 x6 RHS
1 4 -4 0 -1 0 0 = -3
0 1 -2 1 1 -1 0 = 5/1=5
0 3 -6 0 1 1 1 = 6/3=2

-z x1 x2 x3 x4 x5 x6 RHS
Fila-z 1 0 4 0 -7/3 -4/3 -4/3 = -11
Fila 2 0 0 0 1 2/3 -4/3 -1/3 = 3

Fila 3 0 1 -2 0 1/3 1/3 1/3 = 2

Aux 0 4 -8 0 4/3 4/3 4/3 = 8

fila -z 1 0 4 0 -7/3 -4/3 -1/3 = -11

32
 Encontrar una solución con beneficio
mayor.

Condición de Optimalidad. Una solución básica

factible (sbf) es optima si todos los costos
reducidos de todas las variables (excepto z) son
no-positivos.

¿ Se cumple la condición de optimalidad ?

¿ Cuanto valen los costos reducidos ?

-z x1 x2 x3 x4 x5 x6 RHS
fila -z 1 0 4 0 -7/3 -4/3 -1/3 = -11
 Encontrar una solución con beneficio
mayor.

Hay un coeficiente de costo reducido positivo. Sin embargo

no puede entrar a la base dado que la función objetivo es
no acotada.

-z x1 x2 x3 x4 x5 x6 RHS
Fila-z 1 0 4 0 -7/3 -4/3 -4/3 = -11
Fila 2 0 0 0 1 2/3 -4/3 -1/3 = 3

Fila 3 0 1 -2 0 1/3 1/3 1/3 = 2

 Moviéndose
On ImprovingaNon-optimal
través de unSolutions
parametro:
El Método-∆
Para expresar el
z = 3 + 4 x1 parámetro, escribir
x3 = 5 – x1 todas las en
términos de un
x6 = 6 – 3 x1 parámetro ∆ único.
x1 = ∆
z = 3+4∆ The edge consists of
all vectors x, z that
x3 = 5 – ∆ can be formed on the
x6 = 6 – 3 ∆ left for 0 ≤ Δ ≤ 2.

x2 = x4 = x5 = 0
Why are the bounds
0 and 2?
35
 The next corner x1 = 2
point occurs z = 11
y when Δ = 2. x3 = 3
5 x6 = 0

4
x2 = x4 = x5 = 0

3
x6 went from positive to 0.
2 It is called the exiting
variable.
1

1 2 3 4 5 6 x
36
Next steps
 How to recognize unboundedness

 A shortcut that permits one to pivot to the next

basic feasible solution (corner point solution)

 But first, a quick review

37
 -z x1 x2 x3 x4 x5 RHS
1 0 -2 0 0 +1 = -6
0 0 2 1 0 2 = 4
0 0 -1 0 1 -2 = 2
0 1 6 0 0 1 = 3

x1 = 3; x4 = 2; x1 = 3 – Δ ; x4 = 2 + 2
What is the basic x2 What
= 0; is the edge
Δ; that
x2 feasible
= 0; solution?
x5 = 0; corresponds to increasing
x3 = 4; z = 6; x3 the
= 4entering x5 = Δ;
– 2 Δ; variable?
0 ≤ Δ ≤ 2z = 6 + Δ;

x1 = 1; x4 = 6;
What is the entering xWhat
2 = is0; the next
x5 basic
= 2;
x5
variable? x3 = 0;
feasible solution?z What
= 8; is
the exiting variable?
38
 No Acotamiento
Teorema. Si los valores de la columna de
coeficientes (except for the z- row) de la variable
entrante son no – positivos , entonces el valor de la
función objetivo es no acotado.
-z x1 x2 x3 x4 x5 x6 RHS
1 4 2 0 1 0 0 = 5
0 1 -1 1 1 -1 0 = 5
0 3 0 0 1 1 1 = 6

Suponga que x2 entra.

z = 2∆ - 5 Cuando ∆
Sea x2 = ∆. aumenta, z.
x3 = ∆ + 5
x1 = x4 = x5 = 0
x6 = 6 No hay cota
superior para ∆.
39
 The La Regla del Mínimo Ratio
Ratio de
-z x1 x2 x3 x4 x5 RHS RHS a Col
1 0 -2 0 0 +1 = -6

0 0 2 1 0 2 = 4 4/2
0 0 -1 0 1 -2 = 2 coef ≤ 0
0 1 6 0 0 1 = 3 3/1

x1 = 3 – Δ ; x4 = 2 + 2Δ; RHS coef

Δmax = min
x2 = 0; x5 = Δ; col. coef
x3 = 4 – 2 Δ; z= 6 + Δ;
s.a.. col. coef > 0
0 ≤ Δ ≤2

La variable saliente es la variable basica

en la fila de mínimo ratio. 38
La Regla del pivote: pivotear sobre la
columna de la variable entrante y la fila
de mínimo ratio.
-z x1 x2 x3 x4 x5 RHS
1 0 -2 0 0 +1 = -6
0 0 2 1 0 2 = 4
0 0 -1 0 1 -2 = 2
0 1 6 0 0 1 = 3

-z x1 x2 x3 x4 x5 RHS
1 0 -3 -0.5 0 0 = -8
0 0 1 0.5 0 1 = 2
0 0 1 1 1 0 = 6
0 1 5 -0.5 0 0 = 1
41
La variable entrante es x2. ¿ Cual es
la variable que sale ?

-z x1 x2 x3 x4 x5 RHS
1 0 +2 0 0 -1 = -2
0 0 2 1 0 2 = 4
0 0 -1 0 1 -2 = 1
0 1 6 0 0 1 = 3

1. x1✓
2. x3
3. x4
4. -z
42
Resumen para maximización.
1. Encontrar una variable xs tal que su coeficiente
de costo sea positiva.
2. Sea xs = Δ.
3. Ajustar la variable básica como función de Δ.
Elegir Δ maximal.
4. Allegar a un nuevo punto esquina o aumentar Δ
infinitamente y probar que el valor objetivo
máximo es no acotado.

43
Next Lecture
 Review the simplex method

 Show how to obtain an initial bfs

 Prove finiteness (under some assumptions)

44
MIT OpenCourseWare
http://ocw.mit.edu

15.053 Optimization Methods in Management Science

Spring 2013

For information about citing these materials or our Terms of Use, visit: http://ocw.mit.edu/terms.