Optimización y Programación Lineal

Método Simplex: Minimización

31 de enero de 2011

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 1 / 14

 Minimización

Minimización
En la definición del Simplex, éste se vió para maximizar un PL. Es fácil utilizarlo
para minimizar. Existen dos estrategias posibles.
Cambiar la función objetivo z por −z y utilizar el Simplex sin modificación.

Min z = f (x) Max w = −f (x)

Modificar la estrategia de selección de la variable entrante: aquélla con el

coeficiente negativo más grande, por: aquélla con el coeficiente positivo más
grande. En este caso, se corresponde con aquella variable con el factor de
disminución más grande. Para determinar la variable básica saliente se sigue
el mismo proceso que en el Simplex de maximización.

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 2 / 14

 Ejemplo 1

Ejemplo 1
Resuelve el siguiente modelo PL por la estrategia 1:

Minimice z = −3 x1 + 8 x2

sujeto a
4 x1 + x2 ≤ 13
2 x1 + 3 x2 ≤6
con x1 , x2 ≥ 0.

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 3 / 14

 Ejemplo 1

Ejemplo 1
Resuelve el siguiente modelo PL por la estrategia 1:

Minimice z = −3 x1 + 8 x2

sujeto a
4 x1 + x2 ≤ 13
2 x1 + 3 x2 ≤6
con x1 , x2 ≥ 0.
Solución
La forma estándar queda:

Maximice w = −z = −(−3 x1 + 8 x2 )

sujeto a
4 x1 + x2 + s1 = 13
2 x1 + 3 x2 + s2 = 6
con x1 , x2 , s1 , s2 ≥ 0.

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 3 / 14

 Ejemplo 1

La versión matricial de

Maximice w = −z = −(−3 x1 + 8 x2 )

sujeto a
4 x1 + x2 + s1 = 13
2 x1 + 3 x2 + s2 = 6
con x1 , x2 , s1 , s2 ≥ 0, queda:
 
w x1 x2 s1 s2 RHS VB
 1
 −3 8 0 0 0 w 
 0 4 1 1 0 13 s1 
0 2 3 0 1 6 s2

la ventaja de tener los lados derechos mayores o iguales que cero y desigualdades
del tipo ≤ es que tenemos una SBF: w = 0, s1 = 13, s2 = 6, x1 = 0 y x2 = 0.

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 4 / 14

 Ejemplo 1

Revisando la Tabla Simplex

 
w x1 x2 s1 s2 RHS VB
 1
 −3 8 0 0 0 w 
 0 4 1 1 0 13 s1 
0 2 3 0 1 6 s2

observamos que en el renglón cero hay una variable no básica (x1 ) con coeficiente
negativo (−3): esto indica que si se aumenta el valor de x1 , entonces el valor de w
aumentará: por consiguiente la solución básica factible que se tiene no es óptima.

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 5 / 14

 Ejemplo 1

Revisando la Tabla Simplex

 
w x1 x2 s1 s2 RHS VB
 1
 −3 8 0 0 0 w 
 0 4 1 1 0 13 s1 
0 2 3 0 1 6 s2

observamos que en el renglón cero hay una variable no básica (x1 ) con coeficiente
negativo (−3): esto indica que si se aumenta el valor de x1 , entonces el valor de w
aumentará: por consiguiente la solución básica factible que se tiene no es óptima.
Escogemos la variable no básica que tiene el coeficiente negativo mayor en el
renglón cero (En caso de empate, podemos romperlo escogiendo la más a la
izquierda). En nuestro caso x1 es la variable no básica entrante.

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 5 / 14

 Ejemplo 1

Nuestra meta es subir el valor de x1 lo más posible conservando una SBF. Para
ello debemos escoger cual es la variable básica a salir. Revisando la Tabla Simplex
 
w x1 x2 s1 s2 RHS VB
 1 −3 8 0 0 0 w 
 
 0 4 1 1 0 13 s1 13/4 
0 2 3 0 1 6 s2 3

siendo x2 variable no básica (x2 = 0), vemos que los renglones 1 y 2 representan:

4 x1 + s1 = 12 → s1 = 13 − 4 x1
2 x1 + s 2 = 6 → s 2 = 6 − 2 x1

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 6 / 14

 Ejemplo 1

Nuestra meta es subir el valor de x1 lo más posible conservando una SBF. Para
ello debemos escoger cual es la variable básica a salir. Revisando la Tabla Simplex
 
w x1 x2 s1 s2 RHS VB
 1 −3 8 0 0 0 w 
 
 0 4 1 1 0 13 s1 13/4 
0 2 3 0 1 6 s2 3

siendo x2 variable no básica (x2 = 0), vemos que los renglones 1 y 2 representan:

4 x1 + s1 = 12 → s1 = 13 − 4 x1
2 x1 + s 2 = 6 → s 2 = 6 − 2 x1

Por tanto, de la primera relación se tiene que x1 puede subir hasta 3.25 = 13/4
mientras que de la segunda vemos que x1 puede subir hasta 3 = 6/2. Elegimos
subir x1 hasta 3 lo que hará que s2 valga 0. s2 es la variable básica saliente.

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 6 / 14

 Ejemplo 1

Para cambiar la variable básica s2 por la variable no básica x1 hacemos sobre la

Tabla Simplex  
w x1 x2 s1 s2 RHS VB
 1 −3 8 0 0 0 w 
 
 0 4 1 1 0 13 s1 
0 2 3 0 1 6 s2
las operaciones: 1.- R3 ← 12 R3 , 2.- R1 ← R1 − 3 R3 , 3.- R2 ← R2 − 4 R3 para
obtener:

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 7 / 14

 Ejemplo 1

Para cambiar la variable básica s2 por la variable no básica x1 hacemos sobre la

Tabla Simplex  
w x1 x2 s1 s2 RHS VB
 1 −3 8 0 0 0 w 
 
 0 4 1 1 0 13 s1 
0 2 3 0 1 6 s2
las operaciones: 1.- R3 ← 12 R3 , 2.- R1 ← R1 − 3 R3 , 3.- R2 ← R2 − 4 R3 para
obtener:
w x1 x2 s1 s2 RHS VB
 
 1 0 25 0 3
9 w 
 2 2 
 0 0 −5 1 −2 1 s1 
3 1
0 1 2 0 2 3 x1
La cual representa la SBF w = 9, x1 = 3, x2 = 0, s1 = 1, s2 = 0.

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 7 / 14

 Ejemplo 1

Al revisar la Tabla del Simplex:

w x1 x2 s1 s2 RHS VB
 
 1 0 25 0 3
9 w 
 2 2 
 0 0 −5 1 −2 1 s1 
3 1
0 1 2 0 2 3 x1

observamos que las variables no básicas tienen coeficiente positivo en el renglón

cero: es decir, que aumentando su valor harı́an que w disminuyera. Por tanto, la
SBF es óptima.

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 8 / 14

 Ejemplo 1

Al revisar la Tabla del Simplex:

w x1 x2 s1 s2 RHS VB
 
 1 0 25 0 3
9 w 
 2 2 
 0 0 −5 1 −2 1 s1 
3 1
0 1 2 0 2 3 x1

observamos que las variables no básicas tienen coeficiente positivo en el renglón

cero: es decir, que aumentando su valor harı́an que w disminuyera. Por tanto, la
SBF es óptima.
La regla es que: si las variables no básicas tienen coeficiente positivo en el
renglón cero de la tabla Simplex, entonces la SBF actual es óptima (En problemas
de maximización)

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 8 / 14

 Ejemplo 2

Ejemplo 2
Resuelve el siguiente modelo PL por la estrategia 2:

Minimice z = −2 x1 − 3 x2

sujeto a
x1 + x2 ≤ 15
x1 + 2 x2 ≤ 20
con x1 , x2 ≥ 0.

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 9 / 14

 Ejemplo 2

Ejemplo 2
Resuelve el siguiente modelo PL por la estrategia 2:

Minimice z = −2 x1 − 3 x2

sujeto a
x1 + x2 ≤ 15
x1 + 2 x2 ≤ 20
con x1 , x2 ≥ 0.
Solución
La forma estándar queda:

Minimice z = −2 x1 − 3 x2

sujeto a
x1 + x2 + s1 = 15
x1 + 2 x2 + s2 = 20
con x1 , x2 , s1 , s2 ≥ 0.

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 9 / 14

 Ejemplo 2

La versión matricial de
Minimice z = −2 x1 − 3 x2
sujeto a
x1 + x2 + s1 = 15
x1 + 2 x2 + s2 = 20
con x1 , x2 , s1 , s2 ≥ 0, queda:
 
z x1 x2 s1 s2 RHS VB
 1 2 3 0 0 0 z 
 
 0 1 1 1 0 15 s1 
0 1 2 0 1 20 s2

la ventaja de tener los lados derechos mayores o iguales que cero y desigualdades
del tipo ≤ es que tenemos una SBF: z = 0, s1 = 15, s2 = 20, x1 = 0 y x2 = 0.

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 10 / 14

 Ejemplo 2

De la matriz
 
z x1 x2 s1 s2 RHS VB
 1 2 3 0 0 0 z 
 
 0 1 1 1 0 15 s1  15 = 15/1
0 1 2 0 1 20 s2 10 = 20/2

deducimos que: La variable no básica entrante es x2 (La variable no-básica con el

coeficiente positivo más grande (3) en el renglón cero, en el caso de
minimización). Y que la variable básica saliente es s2 (La variable básica que
impone una mayor restricción al crecimiento de la variable entrante: la deja crecer
sólo hasta 10).

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 11 / 14

 Ejemplo 2

Para cambiar la variable básica s2 por la variable no básica x2 hacemos sobre la

Tabla Simplex  
z x1 x2 s1 s2 RHS VB
 1 2 3 0 0 0 z 
 
 0 1 1 1 0 15 s1 
0 1 2 0 1 20 s2
las operaciones: 1.- R3 ← 12 R3 , 2.- R1 ← R1 − 2 R3 , 3.- R2 ← R2 − R3 para
obtener:

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 12 / 14

 Ejemplo 2

Para cambiar la variable básica s2 por la variable no básica x2 hacemos sobre la

Tabla Simplex  
z x1 x2 s1 s2 RHS VB
 1 2 3 0 0 0 z 
 
 0 1 1 1 0 15 s1 
0 1 2 0 1 20 s2
las operaciones: 1.- R3 ← 12 R3 , 2.- R1 ← R1 − 2 R3 , 3.- R2 ← R2 − R3 para
obtener:
z x1 x2 s1 s2 RHS VB
 
 1 1 0 0 − 32 −30 z 
 2 
 0 1 0 1 −1 5 s1 
2 2
0 12 1 0 1
2 10 x2
La cual representa la SBF z = −30, x1 = 0, x2 = 10, s1 = 5, s2 = 0.

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 12 / 14

 Ejemplo 2

De la matriz
z x1 x2 s1 s2 RHS VB
 
1
 1
 2 0 0 − 32 −30 z 
1
 0
2 0 1 − 12 5 s1  10 = 5/(1/2)
1 1 20 = 10/(1/2)
0 2 1 0 2 10 x2

deducimos que la variable no básica entrante es x1 y que la variable básica

saliente es s1 .

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 13 / 14

 Ejemplo 2

Para cambiar la variable básica s1 por la variable no básica x1 hacemos sobre la

Tabla Simplex
z x1 x2 s1 s2 RHS VB
 
 1 1 0 0 − 32 −30 z 
 2 
 0 1 0 1 − 12 5 s1 
2
0 12 1 0 1
2 10 x2
las operaciones: 1.- R2 ← 2R2 , 2.- R1 ← R1 − 1/2 R3 , 3.- R3 ← R3 − 1/2 R3 para
obtener:

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 14 / 14

 Ejemplo 2

Para cambiar la variable básica s1 por la variable no básica x1 hacemos sobre la

Tabla Simplex
z x1 x2 s1 s2 RHS VB
 
 1 1 0 0 − 32 −30 z 
 2 
 0 1 0 1 − 12 5 s1 
2
0 12 1 0 1
2 10 x2
las operaciones: 1.- R2 ← 2R2 , 2.- R1 ← R1 − 1/2 R3 , 3.- R3 ← R3 − 1/2 R3 para
obtener:  
z x1 x2 s 1 s2 RHS VB
 1 0
 0 −1 −1 −35 z  
 0 1 0 2 −1 10 x1 
0 0 1 −1 1 5 x2
La cual representa la SBF z = −35, x1 = 10, x2 = 5, s1 = 0, s2 = 0. La cual es
óptima.

Método Simplex: Minimización () Optimización y Programación Lineal 31 de enero de 2011 14 / 14