Método Simpiex. Forma Canonica Max Zo=E Cj} rt 52. E aX 4,2,...m Restrieciones. 4.2,...n Variables Caraeteristicas: 1.- Todas las vanables de Decision son No Negativas. 2. Todas las restricciones son del tipo < (menor 0 igual) 3. La funcién Objetivo es del tipo Maximizacién. Transformaciones 4.- La minimizacién de una funcién F(x) es matematicamente equivalente a maximizacién de la expresién negativa de esa funcion -F(x). Ejemplo Min 2 =4X—6X © Max—2 = -4K; + 6X2 . 2.- Una desigualdad.en una direccién pued= cambiarse por otra en la direccié cpuesta (> 6 =| multiplicando ambos lados de la desigualdad por (-1). Ejemplo 2X1 + 5X2 27 Equivalea -2X; - 5X2 5-7 GX; ~ OX) = 12 Equivalea -6X, + 8X2 > 12 3 Una Ecuacién pueds ser reemplazada por 2 desigualdades: en cireccione opuestas. Por ejemplo 7X1 + 3Xy_ = 5 Equivale a 2 restricciones simultanees: TX 3X 35 y 7X + 3X25 6 7X 49K. 35 y -7Ky-3%e s-5 4 Una restricci6n de desigualdad con su lado izquierdo en forma de valor absolu puede cambiarse por 2 desigualdades regulares. Ejemplo, para b > 0 [9X1 + 2X2] 34 > OX) + 2X2 oy 9K; + 2K 4De igual forma para el caso [X+7%[26 > Xi t7K 26 6 Mt 7% 5. Una vanable que es irrestricta en signo (esto 2s positive, negaliva 0 cero) es equivalent a la diferencia entre 2 variables no negatlvas. Por lo tanto si X es irrestricta en signo, puedo reemplazarse gor. X —X", donde X'= Oy X"= 0. Forma Estandar Todas las restricciones son ecuaciones Caracteristicas: ara las restriccionos de no 1.- Todas las restricciones son ecuaciones, excepto ps Nogativiciad que permanecen como desigualdades 2 Los elementos de! lado derecho de cada Bouacién son no negatives. 3.- Todas ies variables son no negativas. 4 La funcién Objelive es del tipo Maximizecion © Minimizaci6n. Las restricciones de desigualdad pueden cambiarse a ecuaciones inlseduciendo (sumando © restando) al lado izquierdo de cada una do tales restricciones una variable no negativa. Estas variables se conocen como VARIABLE DE HOLGURA Si la restriccion es del tipo < la Variable de Holgura tiene signo + Sila restriccion es del tipo 2 la Variable de Holgura tiene signo ~ El Cooficionte de las Variables de Helgura en las Funcién Objetivo es cera ificado de las Variables de Holgura ~ Sila restricein es del tipo < la variable de hoigura significa la disponibilidad Fecurso no ullizado en relacién a un maximo estadlecico. + Sila restricciin es del tipo > Ia variable de holgura significa el exceso que se esla uilizendo en relacion a un minimo establecide de recurso.Teoremas Basicos del Método Simplex. 4. El canjunio de todas las soluciones posibles a un problema de programacion lineal es un conjunte convexo, 2.- Cada solucion Aasica posible.a un problema de programacion lineal corresponde a un punto exiremo del conjunto convexo de soluciones posibies 3.- Si existe una solucion optima a un problema de programacion lineal entonces al menos uno de los puntos extremos dal conjunto convexo de soluciones pasibles sera calificado ‘como solucion optima Pasos del Método Simplex 1 Empieza con une solucién basica factible (posible) en forma candnica 2. Mejora la solucién inicial, si es posible, encontrando otra solucion basica posible con valor mejor de la funcién objative, 3. Continda buscando mejores soluciones basicas posibles que mejaren el valor de Ia funcion objetivo, cuando Ie solucién basica posible no puede ser ya mejorada, esta llega a sera solucion éptima y el Método Simplex termina Condiciones Basicas. 1.- Condicién dle Oplimalidac: Asegura que nunca s2 encontrara una solucién peor que la solucién actual 2.- Condicion de Factibilidad : Gerantiza que partiendo de una solucién basica factible, unicamente se encontreran durante los calcuios soluciones basicas factizles, Método Simplex Algebraico Max Z = CyXy + CaXo ant Oy 8.8. ask Fake. HaigXy Sb, Bayt amet ot ayXy Sb2 pus A, OyrXe ae + Bn = By Xo, Kao MBO Forma Matricial Forma Estandard Max Z =x MaxZ= Ox sa AKsb sa AX=b X20 Xz0 Donde C= (Cz, C2,.., C,) + Coet tes de Is funci6n objotive.x, | a 100 x=] % by AS am 010 x, be ame 0 0 4 3) = Columna de la matriz A (vector) B = matiiz invertible de mx formads por las columns finiaimente independientes de A (D1, Ba, , Baad Una solucién basica al problema seria Xp= Bb (Solucion basiéa). Z=CoXs 4" Paso Z=CuXe> C = Coeficisnte ce los vectores que forman la base. Xe BD Zscuxa } 1% sotucion nasies 2° Paso {Que solucién mejora la inicial ? { Que vector que estd fuera de la base (B) mejora a la base? Se analizan los vectores que quedan fuera. Se determina el Z)~ Gj Coeficientes de jos veclores que estan fuera de la Base. Z=Ca"Y, Yy=B%q a) Max 2)~C, <0 entra el mas negative b) Min Z\-C; > 0 > entra el mas positive. Qué vector sale? 1.» Se analizan los veotores que forman la Base (8) y se aplica el siguiente criterio. 2.- Se encuentra una nueva solucién con una nueva base(8). Max: Todos los Z)— C; = 0 paralos vectores de A que no estén en la base. Si hay Z)- Cj 0 pero Yj <0 Solucién ilimitada Nota : Si se alcanzé el éptima (max o min) y existe al menos Z~ C, = 0 de los vectores que no estén en la base > solucisn éptima alternativa,