Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INVESTIGACIÓN DE OPERACIONES
DEFINICIÓN
Una solución básica para Ax=b se obtiene
haciendo n-m variables iguales a cero, y luego
se determinan los valores de las m variables
restantes. Así se asume que al hacer las n-m
variables iguales a cero se llega a los valores
únicos para las m variables restantes, o que, en
forma equivalente, las columnas para las m
variables restantes son linealmente
independientes.
VARIABLES BÁSICAS Y VARIABLES NO
BÁSICAS
• Con el objeto de hallar una solución básica
para AX=b, primero se escoge un conjunto
de n-m variables (las variables no básicas,
VNB) y se iguala cada una de las variables a
cero. Luego se encuentran los valores de
las n-(n-m)=m variables restantes (las
variables básicas, VB) que satisfacen a
AX=b.
• Es evidente que las elecciones distintas de
variables no básicas dan como resultado
diferentes soluciones básicas.
VARIABLES BÁSICAS Y VARIABLES NO BÁSICAS
• Para ilustrar, se tiene el siguiente sistema de dos ecuaciones
y tres variables:
x1 + x2 = 3
- x2 + x3 = -1
• Se empieza por escoger un conjunto de 3-2=1 (3 variables, 2
ecuaciones) variables no básicas. Por ejemplo, si VNB={x3},
entonces, VB={x1, x2}. Los valores de las variables básicas
se obtienen haciendo x3 =0 y resolviendo
x1 + x2 = 3
-x2 = -1
Se encuentra que x1=2, x2=1, x3=0. Es una solución
básica.
• Si se escogen diferentes VNB se obtienen diferentes
soluciones básicas. Algunos conjuntos de m variables no
originan una solución básica.
SOLUCIONES FACTIBLES
DEFINICIÓN
Cualquier solución básica de un PL en la cual
todas las variables son no negativas es una
solución básica factible (SBF).
Por tanto, para el PL del ejemplo, las
soluciones básicas:
x1=2, x2=1, x3 =0 y x1=0, x2=3 y x3 =2
son soluciones básicas factibles.
Pero la solución básica:
x1 = 3, x2 = 0, x3 = -1 no es una solución
básica factible (porque x3 < 0).
SOLUCIONES FACTIBLES
TEOREMA
Un punto en la región factible de un PL es un
punto extremo si y sólo si es una solución básica
factible para un PL.
Sea S la región factible de un PL en la forma
estándar. Un punto P es un punto extremo de S si
para todos los segmentos de recta que contienen
a P y están contenidos por completo en S, P es un
punto terminal. Esto da como resultado que los
puntos extremos de la región factible de un PL y
las soluciones básicas factibles de un PL sean en
realidad lo mismo.
SOLUCIONES FACTIBLES
Ejemplo para ilustrar la correspondencia entre puntos
extremos y soluciones básicas factibles señaladas en el
Teorema 1.
Max z = 4x1 + 3x2
s. a. :
x1 + x2 <= 40
2x1 + x2 <= 60
x1, x2 >= 0
Luego de agregar las variables de holgura s1 y s2, se obtiene
el modelo de PL en forma estándar:
Max z = 4x1 + 3x2
s. a. :
x1 + x2 + s1 = 40
2x1 + x2 + s2 = 60
x1, x2, s1, s2 >= 0
SOLUCIONES FACTIBLES
X2
D
E
Región
factible
A
F C X1
B
(0,40)
E
(20,20)
Región
factible
F C A
(0,0) (30,0) (40,0) X1
z = c 1x 1 + c 2x 2 + . . . + c nx n (2)
TEOREMA 2
“Dado un problema de programación lineal en el
cual son imposibles las soluciones básicas
factibles degeneradas, en el que la solución
óptima es única y donde pueden formarse
soluciones básicas factibles adicionales, la
solución máxima debe ser una solución factible”.
ELECCIÓN DE LA VARIABLE BÁSICA QUE SALE
Si se sabe de qué tipo es la solución óptima y
cómo generar una solución de tal índole a partir
de otra, se necesita una regla que permita decidir
qué variable se debe introducir en la nueva
solución.
TEOREMA 3
“Supongamos que tenemos un problema de
programación lineal y una solución básica factible
del mismo. Si existe una variable Xk para la cual
se puede realizar el cálculo de θ mediante su
propia regla, se puede generar otra solución que
aumente el valor de la función objetivo en un valor
determinado de antemano”.
Por el teorema 1, tenemos que:
Θ = min bi / aik , para todo aik >0
Ck – Zk = max ( Cj –Zj)
y la condición de no negatividad:
x1, x2, x3>= 0
PROBLEMA
Puesto que cada una de las restricciones es del tipo
“menor o igual”, debemos sumar nuevas variables no
negativa, variables de holgura, para obtener:
Cj 100 200 50 0 0 0 θ
Ck Xk b X1 X2 X3 S1 S2 S3
0 S1 1000 5 5 10 1 0 0 1000/5 = 200
0 S2 2000 10 8 5 0 1 0 2000/8 = 250
0 S3 500 10 5 0 0 0 1 500/5 = 100
Zj 0 0 0 0 0 0 0 Variable
básica que
Cj-Zj 100 200 50 0 0 0 sale: S3
5x1 + 5x2 + 10x3 <= 1000 Tons. disponible de mat . prima b1.
10x1 + 8x2 + 5x3 = 2000 Uso total de la materia prima b2.
10x1 + 5x2 <= 500 Tons. disponible de mat. prima b3.
y la condición de no negatividad:
x1, x2 , x3>= 0
PROBLEMA DE MAXIMIZACIÓN CON
RESTRICCIONES DADAS POR “IGUALDADES”
Considerando las variables de holgura en la
primera y tercera restricción, tenemos:
5x1 + 5x2 + 10x3 + s1 = 1000
10x1 + 8x2 + 5x3 = 2000
10x1 + 5x2 + s3 = 500
Este sistema no tiene una solución básica
inicial, y por lo tanto no se cumplen las
condiciones para empezar el algoritmo del
simplex.
VARIABLES ARTIFICIALES
Para corregir esta situación, se introduce una
“variable artificial” en la segunda restricción,
para obtener:
- Ma1 Maximización
+ Ma2 Minimización
EL MÉTODO DE PENALIZACIÓN
Tipo de
restricción Variable que se aumenta
<= + s1 (holgura)
= + a1 (artificial)
>= - e1 + a2 (exceso y artificial)
EL MÉTODO DE DOS FASES
• Cuando se trabaja con variables artificiales,
puede suceder que los coeficientes de la
función objetivo tengan valores muy grandes,
y que por lo tanto el valor de M no sea
suficientemente grande para estar seguro que
las variables artificiales van a tender a salir de
la base y que en un cierto número de
iteraciones vamos a llegar a un resultado
correcto.
• El método de dos fases, es una técnica para
trabajar con variables artificiales.
EL MÉTODO DE DOS FASES
Cj
Ck Xk b X1 X2 X3 S1 S2
... ... ... ... ... ... ... ...
Zj
Cj - Zj 0 3 0 3 -1
Cj
Θ
Ck Xk b X1 X2 X3
S1 2
X1
5
S3
2
Cj-Zj
Cj 6 10 0 0
Ck Xk b X1 X2 S1 S2
0 S1 4 19/5 0 1 -2/5
10 X2 3 3/5 1 0 1/5
Zj 30 6 10 0 2
Cj-Zj 0 0 0 -2
Cj 20 10 0 0 -M
Ck Xk b X1 X2 X3 X4 a1
20 X1 2 1 0 -1 0 1
0 X4 5 0 1 0 1 0
Zj 40 20 0 -20 0 20
Cj - Zj 0 10 20 0 -M-20
Cj -1 -1 0 0 -M
Ck Xk b X1 X2 S1 S2 a1
-1 X1 1 1 1 1 0 0
-M a1 2 0 -2 -4 -1 1
Zj -2M-1 -1 2M-1 4M-1 M -M
Cj - Zj 0 -2M 1-4M -M 0
Todos los (Cj – Zj) <=0, lo que corresponde a una tabla simplex final,
en la que hay una variable artificial con valor positivo. Por tanto, se
concluye que el problema no tiene solución factible.
SOLUCIÓN DEGENERADA
• Se dice que una solución es degenerada si una
o más variables básicas tienen valor cero.
• La degeneración se previene cuando hay
empate en el cociente θmin al determinar la
variable básica que saldrá de la base.
• A diferencia de los problemas no acotados y
los no factibles, la ocurrencia de la solución
degenerada no impide que se alcance la
solución óptima. Una solución degenerada es
una solución factible.
SOLUCIÓN DEGENERADA
Cj 1 3 0 0 M M
Ck Xk b X1 X2 S1 S2 a1 a2
1 X1 1 1 1 -1 0 1 0
0 S2 0 0 -1 -2 1 2 -1
Zj 1 1 1 -1 0 1 0
Cj - Zj 0 2 1 0 M-1 M