Facultad de Ciencias Fı́sicas y Matemáticas

Universidad de Chile
05 de Octubre de 2017

IN3701 - Modelamiento y Optimización

Pauta Auxiliar No 6 - Simplex
Profesores: Felipe Carrasco, Fernando Ordóñez
Auxiliares: Cristian Aguayo, Javier Cembrano, Azucena Orellana, Macarena Osorio

P1. Considere el problema de minimizar ct x sobre un poliedro P . Pruebe lo siguiente:

1. Una solución factible x es óptima si y sólo si ct d ≥ 0 para cada dirección factible d en x.

2. Una solución factible x es la única solución óptima si y sólo si ct d > 0 para cada dirección factible d
distinta de cero en x.
Solución:
1. =⇒ Supongamos x solución factible óptima. Luego, ∀y ∈ P . ct x ≤ ct y. Supongamos además d
dirección factible en x. Entonces, existe θ > 0 tal que x + θd ∈ P , y además ct x ≤ ct (x + θd). Esto
equivale a:
0 ≤ θct d
Como θ > 0, podemos dividir por θ, concluyendo que ct d ≥ 0.
⇐= Supongamos ct d ≥ 0 para cada dirección factible d en x. Sea y ∈ P . Definimos d = y − x. Si
fijamos θ = 1, entonces x + θd = y ∈ P . Por lo tanto, d es dirección factible en x, y ct d ≥ 0. Entonces,
ct (y − x) ≥ 0, por lo que ct x ≤ ct y para cualquier y ∈ P , concluyendo que x es óptimo.

2. En ambos lados de la equivalencia, los argumentos son similares a los de la parte anterior.
=⇒ Supongamos x solución factible óptima y única. Luego, ∀y 6= x ∈ P . ct x < ct y. Supongamos
además d 6= 0 dirección factible en x. Entonces, existe θ > 0 tal que x 6= x + θd ∈ P , y además
ct x < ct (x + θd). Esto equivale a:
0 < θct d
Como θ > 0, podemos dividir por θ, concluyendo que ct d > 0.
⇐= Supongamos ct d > 0 para cada dirección factible d 6= 0 en x. Sea y 6= x ∈ P . Definimos
d = y − x 6= 0. Si fijamos θ = 1, entonces x + θd = y ∈ P . Por lo tanto, d es dirección factible no nula
en x, y ct d ≥ 0. Entonces, ct (y − x) > 0, por lo que ct x < ct y para cualquier y ∈ P , concluyendo que
x es el único óptimo.
P2. Sea x un elemento del poliedro en forma estándar P = {x ∈ Rn |Ax = b, x ≥ 0}. Pruebe que un vector
d ∈ Rn es una dirección factible en x si y sólo si Ad = 0 y di ≥ 0 para cada i tal que xi = 0.

Solución:
=⇒ Supongamos d dirección factible en x. Luego, existe θ > 0 tal que x + θd ∈ P . Esto significa que
A(x + θd) = Ax + θAd = b. Dado que x ∈ P , satisface Ax = b, por lo que restando b de ambos lados y
simplificando θ > 0, sigue que Ad = 0. Por otro lado, si i es un ı́ndice tal que xi = 0, dado que x + θd ≥ 0,
entonces xi + θdi = θdi ≥ 0. Nuevamente, dividiendo por θ > 0, di ≥ 0 para cualquier ı́ndice i tal que xi = 0.
⇐= Sea d ∈ Rn tal que Ad = 0 y di ≥ 0 para cualquier i tal que xi = 0. Escojamos θ∗ tal que:
 
∗ xj
0 < θ < min −
j|dj <0 dj

Como x ∈ P, xi ≥ 0 ∀i. Si xi = 0, entonces xi + θdi = θdi ≥ 0 (por hipótesis). Si xi > 0, distinguimos dos casos:

1
 Facultad de Ciencias Fı́sicas y Matemáticas
Universidad de Chile
05 de Octubre de 2017

• Si di ≥ 0, entonces xi + θdi ≥ 0.
xi
• Si di < 0, entonces θ∗ = − , y multiplicando por di < 0, se tiene que θ∗ di > −xi y por lo tanto
di
xi + θ∗ di ≥ 0. Por lo tanto, x + θ∗ d ≥ 0. Además, A(x + θ∗ Ad) = Ax = b ya que x ∈ P . Luego,
x + θ∗ d ∈ P .

P3. Considere el siguiente problema de minimización:

(P ) min −10x1 − 12x2 − 12x3
s.a. x1 + 2x2 + 2x3 ≤ 20
2x1 + x2 + 2x3 ≤ 20
2x1 + 2x2 + x3 ≤ 20
x1 , x2 , x3 ≥ 0

1. Grafique el poliedro del problema (P ) en R3 y encuentre sus puntos extremos.

2. Resuelva el problema (P ) utilizando el algoritmo Simplex en su forma matricial.
Solución:
1. El dibujo se presenta a continuación:

2
 Facultad de Ciencias Fı́sicas y Matemáticas
Universidad de Chile
05 de Octubre de 2017

2. Inicialización:
Agregando variables de holgura, tenemos que el número de variables es n = 6 y el de restricciones es
m = 3. Sea  
1 2 2 1 0 0
A= 2 1 2 0
 1 0
2 2 1 0 0 1
la matriz de restricciones,
t
b = 20, 20, 20
el lado derecho y
t
c = −10, −12, −12, 0, 0, 0
el vector de costos. Las variables de holgura nos entregan a
 
1 0 0
B = 0 1 0 
0 0 1
como base, formada por las columnas A4 , A5 y A6 . Los ı́ndices básicos y no básico son respectivamente

B = {4, 5, 6}, N = {1, 2, 3}

de modo que B(1) = 4, B(2) = 5 y B(3) = 6. El vector de variables básicas es

 
20
xB = 20
20
mientras que el vector de variables no básicas como siempre es igual a 0. Lo anterior quiere decir que
partimos desde el punto (0, 0, 0) del poliedro del problema original.
Iteración 1:
Calculamos los multiplicadores Simplex
pt = 0 0 0

Con ellos obtenemos los costos reducidos de las variables no básicas:

c̄1 = −10
c̄2 = −12
c̄3 = −12

y vemos que no son todos mayores que 0. Luego, la solución básica factible actual no es óptima. Los
candidatos a entrar a la base son {1, 2, 3}. Escogemos a x1 (j = 1). Calculamos
 
1
−1
u = B A1 = 2 I = {1, 2, 3}.

2
y con esto, obtenemos los cuocientes
xB(1) xB(2) xB(3)
= 20 = 10 = 10.
u1 u2 u3

3
 Facultad de Ciencias Fı́sicas y Matemáticas
Universidad de Chile
05 de Octubre de 2017

Los posibles valores de ` son {2, 3}. Escogemos a la variable xB(2) (` = 2) para que salga de la base. A
continuación, actualizamos B:  
1 1 0
B= 0 2 0
0 2 1
con lo cual los ı́ndices cambian a B = {4, 1, 6}, N = {5, 2, 3}. Luego, calculamos B −1 , que resulta ser
1 − 12 0
 

B −1 = 0 21 0 .
0 −1 1
Las variables básicas correspondientes a la nueva solución factible son entonces
 
10
xB = 10
0
lo que significa que nos hemos movido al punto (10, 0, 0). Notar que esta solución es degenerada.
Iteración 2:
Calculamos los multiplicadores Simplex
pt = 0 −5 0

Con ellos obtenemos los costos reducidos de las variables no básicas:

c̄5 = 5
c̄2 = −7
c̄3 = −2

y vemos que no son todos mayores que 0. Luego, la solución básica factible actual no es óptima. Los
candidatos a entrar a la base son {2, 3}. Escogemos a x3 (j = 3). Calculamos
 
1
−1
u = B A1 =  1  I = {1, 2}.
−1
y con esto, obtenemos los cuocientes
xB(1) xB(2)
= 10 = 10.
u1 u2
Los posibles valores de ` son {1, 2}. Escogemos a la variable xB(1) (` = 1) para que salga de la base. A
continuación, actualizamos B:  
2 1 0
B= 2 2 0
1 2 1
con lo cual los ı́ndices cambian a B = {3, 1, 6}, N = {5, 2, 4}. Luego, calculamos B −1 , que resulta ser
1 − 12 0
 

B −1 = −1 1 0 .
1 − 32 1

4
 Facultad de Ciencias Fı́sicas y Matemáticas
Universidad de Chile
05 de Octubre de 2017

Las variables básicas correspondientes a la nueva solución factible son entonces

 
10
xB = 0 

10

lo que significa que nos hemos movido al punto (0, 0, 10).

Iteración 3:
Calculamos los multiplicadores Simplex

pt = −2 −4 0

Con ellos obtenemos los costos reducidos de las variables no básicas:

c̄5 = 4
c̄2 = −4
c̄4 = 2

y vemos que no son todos mayores que 0. Luego, la solución básica factible actual no es óptima. El único
candidato a entrar a la base es {2}. Escogemos a x2 (j = 2). Calculamos
 3 
2
u = B −1 A2 = −1 I = {1, 3}.
5
2

y con esto, obtenemos los cuocientes

xB(1) 20 xB(3)
= = 4.
u1 3 u3
El único posible valor de ` es {3}. Escogemos a la variable xB(3) (` = 3) para que salga de la base. A
continuación, actualizamos B:  
2 1 2
B = 2 2 1 
1 2 2
con lo cual los ı́ndices cambian a B = {3, 1, 2}, N = {5, 6, 4}. Luego, calculamos B −1 , que resulta ser
 2 2 3

5 5 − 5
B −1 = − 35 2
5
2 
5 .
2 3 2
5 − 5 5

Las variables básicas correspondientes a la nueva solución factible son entonces

 
4
xB = 4
4

lo que significa que nos hemos movido al punto (4, 4, 4).

5
 Facultad de Ciencias Fı́sicas y Matemáticas
Universidad de Chile
05 de Octubre de 2017

Iteración 4:
Calculamos los multiplicadores Simplex

pt = − 18 − 85 − 85


5

Con ellos obtenemos los costos reducidos de las variables no básicas:

8
c̄5 =
5
8
c̄6 =
5
18
c̄4 =
5

y vemos que no todos mayores que 0, lo que nos permite concluir que el punto
 
4
4
 
4
x= 0

 
0
0

wa óptimo del problema con variables de holgura y (4, 4, 4) es óptimo para (P ).