Professional Documents
Culture Documents
a) Existe una variable no básica que cumple el criterio de entrada, pero ninguna de las
variables básicas cumple el criterio de salida.
Esto sólo es posible si todos los valores del vector asociado a la variable no básica (columna de
la tabla correspondiente a la variable no básica) toman valores no positivos (negativos o cero).
Esta situación corresponde a un politopo no acotado y por lo tanto no existe solución finita.
b) Ninguna variable no básica cumple el criterio de entrada y todas las variables básicas son
0.
Si ninguna variable no básica cumple el criterio de entrada es porque los valores de la fila w
asociados a las variables no básicas son estrictamente negativos. Si todas las variables básicas
son positivas se ha alcanzado la solución óptima del problema, que además es única.
Esto sólo es posible si se ha cometido un error en la tabla del simplex. La variable que se
seleccionó como básica no cumple el criterio de entrada.
d) Todas las variables básicas son 0, una variable no básica tiene el coeficiente wj> 0 y al
menos uno de los elementos de su columna correspondiente es mayor que 0.
Se tiene una solución básica que no es óptima. Corresponde a una tabla intermedia en el
algoritmo simplex en forma de tabla.
e) Se ha alcanzado una solución óptima, dos variables no básicas tienen el coeficiente wj nulo
y ninguna variable básica cumple el criterio de salida.
Al ser una solución óptima con dos valores de w = 0, dicha solución óptima no es única. Sin
embargo, que ninguna variable básica cumpla el criterio de salida indica que el politopo es no
acotado. Lo que ocurre es que la función objetivo es paralela al plano formado por el punto
extremo que se ha localizado y las dos aristas que parten de dicho punto. La solución óptima
está formada por todos los valores de variables contenidas en dicho plano.
3) Conteste las siguientes cuestiones relacionadas con el algoritmo del simplex para resolver
problemas lineales.
3.a) (5%) Aunque el algoritmo simplex sigue una estrategia de búsqueda local, tiene la
Un problema lineal tiene una función objetivo convexa y sus restricciones forma una región
convexa. Para un problema convexo cualquier óptimo local es también un óptimo global.
.a) (15%) Identifique cada una de las variables del problema. En otras palabras, qué son
Mu1 Multiplicador de Lagrange (o KKT) asociado a la primera restricción del problema original
Mu2 Multiplicador de Lagrange (o KKT) asociado a la segunda restricción del problema original