1

Funzione lineare di 3 o pi variabili indipendenti

Nella maggior parte delle situazioni reali si affrontano problemi di ottimo che dipendono da pi di 2
variabili indipendenti. In tale contesto la funzione obiettivo un iperpiano in uno spazio ad n
dimensioni, mentre linsieme delle soluzioni ammissibili un iperpiano in un spazio ad 1 n
dimensioni. Non possibile quindi utilizzare dei metodi grafici che ci aiutino nella risoluzione dei
problemi.
Il punto di ottimo situato sempre in corrispondenza dei vertici dellinsieme delle soluzioni
ammissibili, ma determinare le coordinate di tutti questi vertici non cosa semplice dal punto di
vista computazionale.

stata tuttavia trovata una procedura di calcolo, detto algoritmo del simplesso, che permette di
determinare il punto di ottimo in maniera efficiente.

Lalgoritmo del simplesso si basa su di un metodo di risoluzione dei sistemi di equazioni lineari
detto algoritmo di Gauss-Jordan.


Algoritmo di Gauss-Jordan

Per illustrare lalgoritmo di Gauss-Jordan partiamo da un esempio molto semplice, un sistema di
due sole equazioni lineari
2 3
0
x y
x y
+ =

la cui soluzione immediata
1
1
x
y
=

Come prima cosa notiamo che sulle equazioni di un sistema lineare sempre possibili effettuare
alcune manipolazioni algebriche senza che queste modifichino la soluzione del sistema.
Le manipolazioni possibili sono di 3 tipi:
permutare fra di loro le equazioni;
moltiplicare (o dividere) unequazione per una costante;
sostituire unequazione con la somma membro a membro dellequazione stessa con unaltra
equazione del sistema (eventualmente moltiplicata, o divisa, per una costante).

Ad esempio, il sistema
0
2 3
x y
x y
=

+ =

ottenuto dal sistema precedente permutando permutando fra loro le due equazioni ha evidentemente
la stessa soluzione
1
1
x
y
=

2
Se moltiplico la prima equazione per 2 si ottiene il sistema

4 2 6
0
x y
x y
+ =

che ha ancora la stessa soluzione
1
1
x
y
=

Infine se sostituisco la prima equazione con la somma tra lequazione stessa e la seconda equazione
moltiplicata per 2

( )
2 3
2 2 2 3 0 4 3
2 2 0
x y
x y x y x y
x y
+ =
+ + + = + =
=


si perviene al sistema
4 3
0
x y
x y
=

che ha sempre la solita soluzione
1
1
x
y
=

Seconda osservazione: possibile rappresentare un sistema lineare utilizzando un vettore delle
variabili, una matrice dei coefficienti numerici delle variabili e un vettore dei termini noti.

Il sistema
2 3
0
x y
x y
+ =

pu essere rappresentato come
2 1 3
1 1 0
x
y
( ( (
=
( ( (

valendo la regola del prodotto riga per colonna

[ ] 2 1 3 2 3
x
x y
y
(
= + =
(



[ ] 1 1 0 0
x
x y
y
(
= =
(





3
Anche la soluzione del sistema
1
1
x
y
=

pu essere scritta sotto forma di prodotto matrice per vettore

1 0 1
0 1 1
x
y
( ( (
=
( ( (



La matrice quadrata i cui coefficienti sulla diagonale principale sono tutti uguali a 1 mentre tutti i
coefficienti al di fuori della diagonale sono uguali a 0 chiamata matrice identit.



Lalgoritmo di Gauss-Jordan opera soltanto sui coefficienti numerici del sistema, utilizzando le
tre operazioni neutre che abbiamo visto prima, fino ad ottenere una matrice dei coefficenti delle
variabili che una matrice identit.

Innanzitutto si uniscono i coefficenti delle variabili con i termini noti delle equazioni


2 1 3
1 1 0
x y
(
(

quindi si manipolano le righe di questa matrice in modo che il blocco
2 1
1 1
diventi una matrice
identit
1 0
0 1
.

Iniziamo dallelemento ( ) 1,1 della matrice, il 2 in alto a sinistra. Esso il pivot della prima riga che
deve diventare uno nella soluzione finale. Posso allora dividere tutta la prima riga per 1, ottenendo


3 1
1
2 2
1 1 0
x y
(
(
(

Lelemento ( ) 2,1 della matrice, l1 in basso a sinistra, deve diventare 0. Possiamo moltiplicare la
prima riga per 1 e sommarla alla seconda riga

3 1
1
2 2
3 3
0
2 2
1 1 0

+

4
ottenendo

3 1
1
2 2
3 3
0
2 2
x y
(
(
(




Lelemento ( ) 2, 2 della matrice, il
3
2
in basso al centro, deve diventare 1. Rappresenta il pivot
della seconda riga. Possiamo moltiplicare tutta la seconda riga per
2
3
ottenendo

3 1
1
2 2
0 1 1
x y
(
(
(



Iniziamo dallelemento ( ) 1, 2 della matrice, il
1
2
in alto al centro deve diventare uno 0. Posso
moltiplicare la seconda riga per
1
2
e sommarla alla prima riga

3 1
1
2 2
1 0 1
1 1
0
2 2
+



ottenendo
1 0 1
0 1 1
x y
(
(



Sono arrivato ad ottenere una matrice dei coefficienti delle variabili che una matrice identit. Ho
trovato la soluzione del sistema che leggo nellultima colonna a destra: il primo elemento della
colonna rappresenta il valore assunto dalla prima variabile, la x; il secondo elemento della colonna
rappresenta il valore assunto dalla seconda variabile, la y.



Osservazione: avremmo potuto anche procedere in maniera diversa ed iniziare la procedura di
risoluzione effettuando uno scambio tra le due equazioni del sistema


1 1 0
2 1 3
x y
(
(



in tal modo lelemento ( ) 1,1 della matrice gi uguale ad 1. Quindi si procede con tutte le
trasformazioni necessarie.


5
Passiamo ad un altro esempio con 3 equazioni

2 3 0
2 2 1
2 1 3 2
x y z
x y z
x y z
+ =

+ =

Costruiamo la matrice dei coefficienti e dei termini noti


2 3 1 0
1 2 2 1
2 1 3 2
x y z
(

(
(
(
(



Il pivot della prima riga il 2 in posizione ( ) 1,1 . Divido la prima riga per 2, in modo che il pivot
diventa un 1

3 1
1 0
2 2
1 2 2 1
2 1 3 2
x y z
(

(
(

(
(

(



Moltiplico la prima riga per 1 e la sommo alla seconda riga in modo che lelemento ( ) 2,1 della
matrice diventa uno 0
3 1
1 0
2 2
3 1
0 1
2 2
1 2 2 1

+ =

Quindi moltiplico la prima riga per 2 e la sommo alla terza riga in modo che lelemento ( ) 3,1
della matrice diventa uno 0
2 3 1 0
0 2 4 2
2 1 3 2

+ =



La matrice dei coefficienti diventa

3 1
1 0
2 2
3 1
0 1
2 2
0 2 4 2
x y z
(

(
(
(
(
(

(


6
Il pivot della seconda riga il
1
2
in posizione ( ) 2, 2 . Moltiplico la seconda riga per 2 , in modo
che il pivot diventa un 1

3 1
1 0
2 2
0 1 3 2
0 2 4 2
x y z
(

(
(

(
(

(



Moltiplico la seconda riga per
3
2
e la sommo alla prima riga in modo che lelemento ( ) 1, 2 della
matrice diventa uno 0
3 9
0 3
2 2
1 0 4 3
3 1
1 0
2 2

+ =

Moltiplico la seconda riga per 2 e la sommo alla terza riga in modo che lelemento ( ) 3, 2 della
matrice diventa uno 0
0 2 6 4
0 0 2 2
0 2 4 2

+ =



La matrice dei coefficienti diventa

1 0 4 3
0 1 3 2
0 0 2 2
x y z
(

(
(
(
(



Il pivot della terza riga il 2 in posizione ( ) 3, 3 . Divido la terza riga per 2, in modo che il pivot
diventa un 1

1 0 4 3
0 1 3 2
0 0 1 1
x y z
(

(
(
(
(



Moltiplico la terza riga per 4 e la sommo alla prima riga in modo che lelemento ( ) 1, 3 della matrice
diventa uno 0
0 0 4 4
1 0 0 1
1 0 4 3
+ =



7
Moltiplico la terza riga per 3 e la sommo alla seconda riga in modo che lelemento ( ) 2, 3 della
matrice diventa uno 0
0 0 3 3
0 1 0 1
0 1 3 2
+ =



La matrice dei coefficienti diventa

1 0 0 1
0 1 0 1
0 0 1 1
x y z
(
(
(
(



che corrisponde alla seguente soluzione del sistema da cui eravamo partiti

1
1
1
x
y
z
=

Soluzione di sistemi con un numero di incognite superiore al numero di equazioni

Un sistema di n equazioni indipendenti in n variabili incognite ammette una e una sola soluzione.
Ma cosa accade se le variabili sono in numero superiore alle equazioni?
In questo caso si distinguono le variabili in base, in numero pari al numero delle equazioni, di cui
si d la soluzione in funzione delle rimanenti variabili, dette variabili fuori base.
Ad esempio dato il sistema
3 3
2 2 1
x y z
x y z
=

+ + =

possiamo scegliere di dare la soluzione per le variabili x e y. Questa soluzione sar in funzione della
terza variabile z. Calcoliamola usando lalgoritmo di Gauss-Jordan


1 1 3 3
2 1 2 1
x y z
(
(



moltiplico la prima riga per 2 e la sommo alla seconda riga

2 2 6 6
0 3 8 5
2 1 2 1

+ =



8
si perviene alla matrice

1 1 3 3
0 3 8 5
x y z
(
(

Divido la seconda riga per 3

1 1 3 3
8 5
0 1
3 3
x y z
(

(
(



somma la seconda riga alla prima riga
8 5
0 1
3 3
1 4
1 0
3 3
1 1 3 3

+ =


si perviene alla matrice

1 4
1 0
3 3
8 5
0 1
3 3
x y z
(

(
(



che corrisponde a
1 4
3 3
8 5
3 3
x z
y z

+ =

ovvero corrisponde alla soluzione
4 1
3 3
5 8
3 3
x z
y z

= +

z la variabile fuori base. x e y sono le variabili in base e dipendono da z: per ogni valore di z si
avr una diversa soluzione del sistema. Quindi le soluzioni del sistema sono tante quanti sono i
possibili valori che pu assumere z, in generale infiniti.

Si noti che nella matrice

1 4
1 0
3 3
8 5
0 1
3 3
x y z
(

(
(



ad ogni variabile in base corrisponde una colonna formata da tanti zeri e da un 1 nella riga che
fornisce la soluzione della stessa variabile.
9
Lalgoritmo del simplesso

Consideriamo il seguente problema di massimo vincolato che ha tutti i vincoli di tipo (si parla di
problema di massimo vincolato in forma canonica)

1 2 3
1 2 3
1 2 3
1 3
1 2 3
5 7 6
2 12
2 8
. .
2 16
0 ; 0 ; 0
Max z x x x
x x x
x x x
s v
x x
x x x
= + +
+

La prima cosa da fare trasformare le disequazioni in equazioni. Per fare questo si introducono
delle variabili di scarto non negative, una per ogni vincolo. Ad esempio considerando il primo
vincolo, se
1 2 3
2 x x x + minore di 12 possiamo aggiungerci una quantit
( )
4 1 2 3
12 2 x x x x = + in modo tale che valga luguaglianza
1 2 3 4
2 12 x x x x + + = .
4
x la
prima variabile di scarto.
Possiamo fare lo stesso con gli altri due vincoli introducendo due altre variabili di scarto
5
x e
6
x .
Le variabili di scarto vengono introdotte anche nella funzione obiettivo per con coefficiente 0.
Si ottiene cos la seguente riformulazione del problema iniziale

1 2 3 4 5 6
1 2 3 4
1 2 3 5
1 3 6
5 7 6 0 0 0
2 12
2 8
. .
2 16
0 1, , 6
i
Max z x x x x x x
x x x x
x x x x
s v
x x x
x i
= + + + + +
+ + =

+ + =

+ + =

Quindi si considera la matrice dei coefficienti del sistema dei vincoli a cui si aggiunge una riga che
corrisponde ai coefficienti della funzione obiettivo

1 2 3 4 5 6
4
5
6
1 2 1 1 0 0 12
2 1 1 0 1 0 8
1 0 2 0 0 1 16
5 7 6 0 0 0 0
x x x x x x
x
x
x
z

Questa come se fosse la matrice di un sistema lineare che ha come variabili in base
4
x ,
5
x e
6
x .
Le variabili fuori base inizialmente sono
1
x ,
2
x e
3
x . Esse teoricamente possono assumere qualsiasi
valore: per semplicit si assegna ad esse valore 0.
Tutto ci equivale a partire dalla seguente soluzione

1 2 3 4 5 6
0 0 0 12 8 16 x x x x x x = = = = = =

a cui corrisponde un valore pari a 0 della funzione obiettivo: 0 z = .

10
Poich lobiettivo massimizzare z, dobbiamo chiederci se possibile aumentare o meno il valore
della funzione obiettivo che per il momento vale 0.
Sicuramente possibile aumentare il valore di z facendo entrare in base una variabile il cui
coefficiente della funzione obiettivo positivo: in particolare conviene far entrare in base la
variabile
2
x che ha il coefficiente pi elevato e che quindi contribuisce di pi alla crescita del valore
di z.
1 2 3 4 5 6
4
5
6
1 2 1 1 0 0 12
2 1 1 0 1 0 8
1 0 2 0 0 1 16
5 7 6 0 0 0 0
x x x x x x
x
x
x
z

Quindi per determinare la variabile entrante in un problema di massimo la regola generale
quella di far entrare in base la variabile che ha il coefficiente della funzione obiettivo (ultima riga
della tabella) pi grande.

Bisogna ora decidere quale sar la variabile che esce di base per far posto alla variabile entrante.
La variabile
6
x da escludere perch il coefficiente della variabile
2
x nella terza riga 0.
Anche la variabile
5
x da escludere perch il coefficiente della variabile
2
x nella seconda riga
negativo per cui risulterebbe
2
8
8
1
x = =

che contrasta con il vincolo di non negativit.

La variabile uscente sar
4
x e risulter un valore della variabile entrante
2
12
6
2
x = = . Quindi il 2
della prima riga e seconda colonna sar il nostro pivot.

Si applica quindi la procedura dellalgoritmo di Gauss-Jordan. Si divide la prima riga per 2

1 2 3 4 5 6
4
5
6
1 1 1
1 0 0 6
2 2 2

2 1 1 0 1 0 8
1 0 2 0 0 1 16
5 7 6 0 0 0 0
x x x x x x
x
x
x
z

Si somma la prima riga alla seconda riga in modo che lelemento della seconda colonna diventi
uguale a 0
1 1 1
1 0 0 6
2 2 2
5 1 1
0 1 0 14
2 2 2
2 1 1 0 1 0 8

+ =

La terza riga rimane inalterata perch lelemento della seconda colonna gi nullo.




11
Si moltiplica la prima riga per 7 e la si somma allultima riga in modo che lelemento della
seconda colonna diventi uguale a 0

7 7 7
7 0 0 42
2 2 2
3 19 7
0 0 0 42
2 2 2
5 7 6 0 0 0 0

+ =


Si perviene cos alla matrice
1 2 3 4 5 6
2
5
6
1 1 1
1 0 0 6
2 2 2
5 1 1
0 1 0 14

2 2 2
1 0 2 0 0 1 16
3 19 7
0 0 0 42
2 2 2
x x x x x x
x
x
x
z

che corrisponde ai seguenti valori delle variabili

1 2 3 4 5 6
0 6 0 0 14 16 x x x x x x = = = = = =

e ad un valore della funzione obiettivo

1 2 3 4 5 6
5 7 6 0 0 0 5 0 7 6 6 0 0 0 0 14 0 16 42 z x x x x x x = + + + + + = + + + + + =

che si pu leggere nellultima posizione in basso a destra della matrice con il segno cambiato.

Ancora dobbiamo chiederci se possibile aumentare o meno il valore della funzione obiettivo che
per il momento vale 42.
La risposta positiva perch nellultima riga della matrice ci sono dei coefficienti positivi: in
particolare la variabile
3
x che ha coefficiente maggiore, pari a
19
2
, diventa la variabile entrante.

1 2 3 4 5 6
2
5
6
14
28
1
2
16
8
2
1 1 1
1 0 0 6
2 2 2
5 1 1
0 1 0 14

2 2 2
1 0 2 0 0 1 16
3 19 7
0 0 0 42
2 2 2
x x x x x x
x
x
x
z
=
=

Per determinare la variabile uscente la regola generale quella di considerare i rapporti tra i
termini noti riportati nellultima colonna ed i coefficienti della colonna della variabile entrante.
Questi rapporti rappresentano il valore che assumer la variabile entrante se esce dalla base la
variabile corrispondente alla riga della matrice. Chiaramente non si prendono in considerazione i
rapporti negativi perch contraddicono lipotesi di non negativit delle variabili. Cos come non si
12
considerano i rapporti con denominatore uguale a 0, perch in tal caso non pu esserci scambio tra
variabili in base e fuori base.
Esce dalla base quella variabile a cui corrisponde il rapporto positivo pi piccolo: nel nostro caso
la variabile
6
x a cui corrisponde il rapporto pari a 8. Quindi il 2 della terza riga e terza colonna sar
il nostro pivot.
Perch occorre considerare il rapporto pi piccolo?
Se consideravamo il valore pi grande, ci equivaleva allassegnazione del valore
3
28 x = . Ma se
prendiamo la terza riga della matrice essa corrisponde alla seguente equazione

1 3 6
2 16 x x x + + =
da cui deriva
6 1 3
16 2 x x x = . Poich
1
x una variabile fuori base il suo valore vale 0, e se vale
3
28 x = allora
6 1 3
16 2 16 0 2 28 16 56 30 x x x = = = =

ne discenderebbe che la variabile
6
x diventa negativa contraddicendo il vincolo di non negativit.

Si pu applicare di nuovo la procedura dellalgoritmo di Gauss-Jordan. Si divide la terza riga per 2

1 2 3 4 5 6
2
5
3
1 1 1
1 0 0 6
2 2 2
5 1 1
0 1 0 14
2 2 2
1 1
0 1 0 0 8
2 2
3 19 7
0 0 0 42
2 2 2
x x x x x x
x
x
x
z

Si moltiplica la terza riga per
1
2
e la si somma alla prima riga cos che lelemento della prima riga
e terza colonna diventa uguale a 0

1 1 1
0 0 0 4
4 2 4
3 1 1
1 0 0 10
4 2 4
1 1 1
1 0 0 6
2 2 2
+ =

Si moltiplica la terza riga per
1
2
e la si somma alla seconda riga cos che lelemento della
seconda riga e terza colonna diventa uguale a 0

1 1 1
0 0 0 4
4 2 4
9 1 1
0 0 1 10
4 2 4
5 1 1
0 1 0 14
2 2 2

+ =


13
Si moltiplica la terza riga per
19
2
e la si somma alla quarta riga cos che lelemento della quarta
riga e terza colonna diventa uguale a 0

19 19 19
0 0 0 76
4 2 4
13 7 19
0 0 0 118
4 2 4
3 19 7
0 0 0 42
2 2 2

+ =




Si perviene cos alla matrice

1 2 3 4 5 6
2
5
3
3 1 1
1 0 0 10
4 2 4
9 1 1
0 0 1 10
4 2 4
1 1
0 1 0 0 8
2 2
13 7 19
0 0 0 118
4 2 4
x x x x x x
x
x
x
z

che corrisponde ai seguenti valori delle variabili

1 2 3 4 5 6
0 10 8 0 10 0 x x x x x x = = = = = =

e ad un valore della funzione obiettivo 118 z = come si pu leggere nellultima posizione in basso
a destra della matrice con il segno cambiato.

Questa anche la nostra soluzione ottimale, poich tutti i coefficienti della funzione obiettivo
nellultima riga della matrice sono negativi o nulli: questa la condizione di arresto della procedura
di ricerca del massimo con lalgoritmo del simplesso.

Chiaramente a noi non interessano i valori delle variabili di scarto che svolgono solo un ruolo
strumentale per arrivare alla soluzione finale. Per cui possiamo dire che la soluzione ottimale si
ottiene in corrispondenza dei seguenti valori delle variabili indipendenti del problema

1 2 3
0 10 8 x x x = = =












14
Consideriamo adesso un problema di minimo vincolato in forma canonica, cio un problema di
minimo in cui tutti i vincoli sono del tipo :

1 2 3
1 2 3
1 2 3
1 2 3
1 2 3


. .
0 ; 0
4
16 9
2

4
5
2
3
4
8
2
2
;
3
6
0
Min z x x x
x x x
x x x
s v
x x x
x x x
= + +
+ +

+ +

+ +

Il metodo migliore per risolvere questo problema di trasformarlo in un problema di massimo
vincolato in forma canonica, che gi sappiamo risolvere.

Vale infatti il teorema di dualit che afferma che un problema di minimo in forma canonica
equivalente ad un problema di massimo in forma canonica, ottenuto scambiando i coefficienti della
funzione obiettivo con i termini noti dei vincoli e scambiando le righe con le colonne della matrice
dei coefficienti.
Il problemma di massimo equivalente al problema di minimo riportato sopra quindi

1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
2

y
. .
0
4
2
; 0 ;
2
8
16
9
4
4
6 3 2
5 3
0
Max z y y y
y y
y y y
s v
y y y
y y y
= + +
+ +

+ +

+ +

Lequivalenza intesa nel senso che il valore minimo di z del primo problema coincidente con il
valore massimo di z del secondo problema.

Risolviamo quindi il problema di massimo duale del problema di minimo.
Iniziamo con lintrodurre le variabili di scarto

1 2 3 4 5 6
1 2 3 4
1 2 3 5
1 2 3 6
4 5 3 0 0 0
2 2 8
4 4 2 16
. .
2 3 6 9
0 1, , 6
i
Max z y y y y y y
y y y y
y y y y
s v
y y y y
y i
= + + + + +
+ + + =

+ + + =

+ + + =

e costruiamo la tabella iniziale del metodo del simplesso

1 2 3 4 5 6
4
5
6
2 1 2 1 0 0 8
4 4 2 0 1 0 16
2 3 6 0 0 1 9
4 5 3 0 0 0 0
y y y y y y
y
y
y
z

15
Troviamo le variabili entranti ed uscenti, che risultano essere rispettivamente
2
y e
6
y , ed il pivot

1 2 3 4 5 6
4
5
6
8 1 8
16 2 4
9 3 3
2 1 2 1 0 0 8
4 4 2 0 1 0 16

2 3 6 0 0 1 9
4 5 3 0 0 0 0
y y y y y y
y
y
y
z
=
=
=

Dividiamo la terza riga per 3
1 2 3 4 5 6
4
5
6
2 1 2 1 0 0 8
4 4 2 0 1 0 16
2 3 1 2 0 0 1 3 3
4 5 3 0 0 0 0
y y y y y y
y
y
y
z


Si moltiplica la terza riga per 1 e la si somma alla prima riga cos che lelemento della prima riga
e seconda colonna diventa uguale a 0

2 3 1 2 0 0 1 3 3
4 3 0 0 1 0 1 3 5
2 1 2 1 0 0 8

+ =

Si moltiplica la terza riga per 4 e la si somma alla seconda riga cos che lelemento della seconda
riga e seconda colonna diventa uguale a 0

8 3 4 8 0 0 4 3 12
4 3 0 6 0 1 4 3 4
4 4 2 0 1 0 16

+ =

Si moltiplica la terza riga per 5 e la si somma alla quarta riga cos che lelemento della quarta riga
e seconda colonna diventa uguale a 0

10 3 5 10 0 0 5 3 15
2 3 0 7 0 0 5 3 15
4 5 3 0 0 0 0

+ =

Si perviene cos alla matrice
1 2 3 4 5 6
4
5
2
4 3 0 0 1 0 1 3 5
4 3 0 6 0 1 4 3 4
2 3 1 2 0 0 1 3 3
2 3 0 7 0 0 5 3 15
y y y y y y
y
y
y
z

16
che corrisponde ai seguenti valori delle variabili

1 2 3 4 5 6
0 3 0 5 4 0 y y y y y x = = = = = =

e ad un valore della funzione obiettivo 15 z = .


Nellultima riga vi un solo coefficiente positivo: la nuova variabile entrante sar quindi
1
y e la
variabile uscente
5
y .

1 2 3 4 5 6
4
5
2
4
15 4 3, 75
3
4
4 12 4 3
3
5
2
3 9 2 4, 5
3
4 3 0 0 1 0 1 3 5
4 3 0 6 0 1 4 3 4

2 3 1 2 0 0 1 3 3
2 3 0 7 0 0 5 3 15
y y y y y y
y
y
y
z
= =
= =
= =

Si moltiplica la seconda riga per 1 e la si somma alla prima riga cos che lelemento della prima
riga e prima colonna diventa uguale a 0

4 3 0 6 0 1 4 3 4
0 0 6 1 1 1 1
4 3 0 0 1 0 1 3 5

+ =

Si divide la seconda riga per 2 e la si somma alla terza riga cos che lelemento della terza riga e
prima colonna diventa uguale a 0

2 3 0 3 0 1 2 2 3 2
0 1 5 0 1 2 1 1
2 3 1 2 0 0 1 3 3

+ =


Si divide la seconda riga per 2 e la si somma alla quarta riga cos che lelemento della quarta riga
e prima colonna diventa uguale a 0

2 3 0 3 0 1 2 2 3 2
0 0 4 0 1 2 1 17
2 3 0 7 0 0 5 3 15

+ =




Si moltiplica quindi la seconda riga per 3 4 in modo che il pivot diventa uguale ad 1

( ) 3 4 4 3 0 6 0 1 4 3 4 1 0 9 2 0 3 4 1 3 =


17
Si perviene cos alla matrice
1 2 3 4 5 6
4
1
2
0 0 6 1 1 1 1
1 0 9 2 0 3 4 1 3
0 1 5 0 1 2 1 1
0 0 4 0 1 2 1 17
y y y y y y
y
y
y
z

che corrisponde ai seguenti valori delle variabili

1 2 3 4 5 6
3 1 0 1 0 0 y y y y y x = = = = = =

e ad un valore della funzione obiettivo 17 z = .

Questa la soluzione di massimo perch tutti i coefficienti della funzione obiettivo nellultima riga
della tabella sono negativi o nulli.


Per il teorema di dualit, il minimo vincolato di z del problema duale a quello di massimo

1 2 3
1 2 3
1 2 3
1 2 3
1 2 3
8 16 9
2 4 2 4
4 3 5
. .
2 2 6 3
0 ; 0 ; 0
Min z x x x
x x x
x x x
s v
x x x
x x x
= + +
+ +

+ +

+ +

sar anchesso pari a 17.

Per quanto riguarda invece i valori delle variabili indipendenti che corrispondono al minimo del
problema duale, essi si leggono nellultima riga della tabella del simplesso del problema di
massimo, in corrispondenza delle colonne delle variabili di scarto, con il segno cambiato e presi
nellordine:
1 2 3 4 5 6
4
1
2
0 0 6 1 1 1 1
1 0 9 2 0 3 4 1 3
0 1
0 1 2
5 0 1 2 1 1
0 0 4 7 1 1
y y y y y y
y
y
y
z

1
0 x =
2
1
2
x =
3
1 x =

Se sostituiamo questi valori nella funzione obiettivo del minimo
1 2 3
8 16 9 z x x x = + + otteniamo
proprio
1
8 0 16 9 1 0 8 9 17
2
z = + + = + + =