You are on page 1of 10

EL METODO SIMPLEX El método grafico indica que la solución optima de un programa lineal siempre está asociado con un punto

esquina del espacio de soluciones. Este resultado es la clave del método simplex algebraico y general para resolver cualquier modelo de programación lineal. En la transición de la solución el punto esquina geométrico hasta el método simplex implica un procedimiento de computo que determina en forma algebraica los puntos esquina. Esto se logra convirtiendo primero a todas las restricciones de desigualdad en ecuaciones, para después manipular esas ecuaciones en una forma sistemática. Una propiedad general del método simplex es que se resuelve la programación lineal en iteraciones. Cada iteración desplaza a la solución a un nuevo punto esquina que tiene potencial de mejorar el valor de la función objetivo. El proceso termina cuando ya no se puede obtener mejoras. Por lo tanto en el método simplex se usa un procedimiento inteligente de búsqueda, diseñado para llegar al punto esquina optimo en una forma eficiente. Para estandarizar la representación algebraica del espacio de soluciones de programación lineal se forma bajo dos condiciones: 1. Todas las restricciones son ecuaciones con lado derecho positivo 2. Todas las variables son no negativas. CONVERSION DE RESTRICCIONES A ECUACIONES En las restricciones (≤), el lado derecho se puede imaginar cómo representando el límite de disponibilidad de un recurso y en ese caso el lado izquierdo representaría el uso de ese recurso limitado por parte de las actividades (variables) del método. Para convertir una desigualdad (≤) en ecuación, se agrega una variable de holgura al lado izquierdo de la restricción. Por ejemplo:
6x+4 y≤24

Si se define “a” como la holgura, o cantidad no usada, la restricción se puede convertir en la siguiente ecuación:

Por ejemplo: -x+y≤-3 Equivale directamente a la ecuación -x+y+a=-3 . La conversión de (≥) a (=) se logra restando una variable de excedencia. En este punto de inicio.6x+4 y+a=24 . b≥0 Es importante observar que las variables de holgura y excedencia. esto es: x-y-a=3 NATURALEZA ITERATIVA DEL MÉTODO SIMPLEX Normalmente el método simplex comienza en el origen (punto A). a ≥0 Una restricción (≥) establece. del lado izquierdo de la desigualdad. la cantidad por la que el lado izquierdo es mayor que el limite mínimo (lado derecho) representa un excedente. y se obtiene un lado derecho no negativo. que es lo que se busca. normalmente. siempre son no negativas. Esta condición se puede satisfacer siempre. Como tal. el valor de la función objetivo “z” es cero. donde x1=x2=0.a≥0 Ahora se multiplican ambos lados por -1. un límite inferior para las actividades del modelo de la programación lineal. si es necesario multiplicando ambos lados de la ecuación resultante por -1. Por ejemplo: x+y≥800 Si se define a “b” como una variable de excedencia se puede convertir la restricción de la ecuación siguiente: x+y-b=800 . El único requisito que queda es que el lado derecho de la ecuación que resulte sea no negativo. a y b. y .

porque un candidato de ser un punto esquina. el siguiente punto esquina se D. El punto C es óptimo y se termina el proceso. Para demostrar esta pregunta se usara un ejemplo: Maximizar z=2x1+3x2 La función indica que un aumento en x1 o x2 (o en ambas) respecto a sus valores actuales de cero aumentara el valor de z (recuerde que estamos maximizando a z). Sin embargo. .la pregunta lógica es si ese valor mejora con un aumento en x1 y/o x2 no básicas respecto a sus valores actuales de cero. las iteraciones simplex se mueven por los bordes del espacio de soluciones. y a partir de D la solución se mueve hacia el punto optimo C. el método simplex aumentará el valor de x 2 para llegar al punto esquina mejorado C. 1. y eso quiere decir que el método no puede atravesar ese espacio para ir en forma directa de A a C. Nótese que en ambas rutas. 2. Si aumenta x2. en el diseño del método simplex se estipula aumentar las variables una por una. como se ve en la figura su valor debe aumentar para llegar al punto esquina B (recuerde que no se acepta detenerse antes de llegar a B. entonces. La trayectoria asociada al algoritmo simplex es A B C. el trayecto asociado con el algoritmo simplex es A B C. Una vez en B. Si aumenta x1.

El problema se expresa en forma de ecuaciones como a continuación: 6x+4y+a=24(Materia prima M1) x+2y+b=6(Materia prima M2) -x+y+c=1(Limite de demanda 1) y+d=2(Limite demanda 2) .CÁLCULO DEL ALGORITMO SIMPLEX Como medio de explicación usaremos un ejemplo: Reddy Mikks produce pinturas para interiores o exteriores.y≥0 1. Maximizar z=5x+4y 6x+4y≤24 x+2y≤6 -x+y≤1 y≤2 x. La tabla siguiente proporciona los datos básicos del problema. Una encuesta de mercado indica que la demanda diaria de pintura para interiores no puede ser mayor que 1 tonelada más que la pintura para exteriores. También que la demanda máxima diaria de pintura para interiores es de 2 toneladas. M1 y M2.

la tabla simplex se puede representar como sigue: Básic a Z a b c d z x y a b c d Solución 0 24 6 1 2 Renglón Z Renglón a Renglón b Renglón c Renglón d 1 -5 -4 0 0 0 0 0 0 6 1 4 2 1 1 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 -1 0 0 Las iteraciones simplex comienzan en el origen (x. y) = (0. y) Variables básicas: (a.y.d≥0 Maximizar z=5x+4y+0a+0b+0c+0d Las variables a. el conjunto asociado de variables no básicas y básicas se define como: Variables no básicas (cero): (x. d) Dado que las variables no básicas (x.0).c. por lo que tenemos lo siguiente: z=0 a=24 b=6 c=1 d=2 .0). y) = (0.a.b.d) en la tabla. b. c. y al observar el arreglo especial 0 y 1 de los coeficientes de las variables básicas (a. b. Ahora la función objetivo se expresara como sigue: z-5x-4y=0 De esa manera. Así. c y d son las holguras asociadas con las restricciones respectivas.x. c . b.

porque tiene el coeficiente más negativo en la función objetivo. de todas las restricciones con la dirección no negativa del eje x (recuérdese que x es la variable de entrada). abajo de la variable de entrada x. se calculan las intersecciones. CONDICIÓN DE OPTIMALIDAD La variable de entrada en un problema de maximización (minimización) es la variable no básica que tenga el coeficiente más negativo (positivo) en el reglón de Z. en forma directa con la tabla. Si fuera el caso que todos los coeficientes de la función objetivo fueran ≥. los empates se rompen en forma arbitraria.Las reglas para seleccionar las variables de entrada y de salida se llaman condiciones de optimalidad y de factibilidad. Se llega al óptimo en la iteración en la que todos los coeficientes de las variables no básicas en el reglón z son no negativos (no positivos). o coordenadas (x) al origen. como se ve en la siguiente tabla: Básic a a b Entra x Solución Razón o intersección 6 1 24 6 x=246=4 x=61=6 Mínimo . Los empates se rompen de forma arbitraria. la tabla simplex expresa la función objetivo en la forma la forma: z-5x-4y=0 . que es de maximización. Esas intersecciones son las razones del lado derecho de las ecuaciones (columna solución) entre los coeficientes de restricción correspondientes. CONDICIÓN DE FACTIBILIDAD En los problemas de maximización y de minimización las variables de entrada y de salida es la variable básica asociada con la mínima razón no negativa (con denominador estrictamente positivo). Siguiendo estas condiciones. Para determinar la variable de salida. no sería posible mejorar z y eso querría decir que se habría llegado al óptimo. la variable de entrada es x.

d) Ahora se deben manipular ecuaciones de la última tabla de modo que la columna básica y la columna solución identifiquen la nueva solución. Esto asocia a la columna pivote y al renglón pivote con las variables de entrada y salida. El proceso se llama operaciones de renglón de Gauss-Jordan. porque no limitan a x en la dirección no negativa. A la intersección de la columna pivote con el renglón pivote se le llama pivote o elemento pivote. y quiere decir que “a” es la variable de salida. La razón no negativa mínima corresponde a “a” básica. El valor de la variable de entrada “a” en la nueva solución también es igual a la razón mínima: x = 4. c. respectivamente. Las razones que corresponden a c y d no se toman en cuenta. Básic a Z a b c d z x y a b c d Solución 0 24 6 1 2 Renglón pivote de intercambiar las variables de entrada y salida es que las variables no básicas y 1 -5 -4 0 0 0 0 0 0 6 1 4 2 1 1 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 -1 0 0 Los cálculos de Gauss-Jordan necesario para obtener la nueva solución básica son de dos tipos: . y) Variables básicas: (x.c d -1 0 1 2 x=1-1=-1(ignorar) x=20=∞(ignorar) Las razones no negativas son iguales a las intersecciones en dirección de x creciente. b. El resultado final básicas en el nuevo punto de solución son Variables no básicas (cero): (a.

respectivamente. RENGLÓN PIVOTE Nuevo renglón pivote = Renglón pivote actual / elemento pivote 2. b = 2. El nuevo valor objetivo correspondiente es z = 20. b. Este acondicionamiento de la tabla es el resultado de aplicar operaciones renglón de Gauss-Jordan. La última tabla identifica a “y” y “b” como las variables de entrada y de salida. d) se 1 0 -2/3 0 1 0 0 0 0 0 0 2/3 4/3 5/3 1 -1/6 1 0 0 1/6 0 0 1 0 0 0 1 Se observa que la nueva tabla tiene las mismas propiedades que la de inicio. la columna solución muestra en forma automática la nueva solución básica ( x = 4. INCLUYENDO Z Nuevo renglón = (Renglón actual) – (su coeficiente en la columna pivote) x (nuevo renglón pivote) La nueva tabla corresponde a la nueva solución convierte en: Básic a Z x b c d z x y a 5/6 1/6 b c d Solución 0 0 0 0 0 0 20 4 2 5 2 básica (a.1. Luego se despeja la nueva función objetivo: z=23y-56a+20 z-23y+56a-20=0 Ahora se selecciona como variable de entrada a “y”. c. . TODOS LOS DEMÁS RENGLONES. d = 2). c = 5. ya que esta posee el coeficiente más negativo con respecto a la función objetivo. Cuando se igualan las variables “y” y “a” a cero.

5 (mínimo) y=5÷53=3 y=21=2 Entra x Solución Razón o intersección Dadas “y” y “b” como variables de entrada y salida. se realizan los cálculos de razones o intersecciones: Básic a a b c d 2/3 4/3 5/3 1 4 2 5 2 y=4÷23=6 y=2÷43=1. Se puede leer la solución en la tabla simplex como a continuación: los valores óptimos de las variables en la columna básica se ven en la columna solución del lado derecho. esta última tabla es óptima. necesitamos aplicar las operaciones de renglón de Gauss-Jordan para obtener la siguiente tabla: Básic a Z x y c d z x y 1 0 0 0 1 0 a 3/4 1/4 b 1/2 c d Solución 0 0 21 3 3/2 5/2 1/2 -1/2 0 0 3/4 0 0 0 0 1 -1/8 0 0 0 0 0 0 3/8 1/8 -5/4 1 0 -3/4 0 1 Como ninguno de los coeficientes del renglón Z asociados con las variables no básicas “a” y “b” son negativos. y se pueden interpretar del siguiente modo: Variable decisión Valor óptimo Recomendación .A continuación. respectivamente.

En caso contrario. Valor por unidad de los recursos 3. y el recurso es escaso. es abundante. una holgura positiva indica que el recurso es abundante.5 toneladas diarias para interiores La utilidad diaria es $21000.x 3 Producir 3 toneladas diarias de pintura para exteriores Producir 1. y Z 3/2 21 La tabla simplex muestra una gran cantidad de información adicional. Indicaremos como se puede determinar el estado de los recursos: Un recurso se llama escaso si las actividades (variables) del modelo lo usan por completo. Todos los datos necesarios para efectuar un análisis de sensibilidad con la solución óptima. Recurso Materia prima M1 Materia prima M2 Límite de demanda 1 Límite de demanda 2 Variable de holgura a=0 b=0 c=5/2 d=1/2 Estado o condición Escasa Escasa Abundante Abundante . El estado de los recursos 2. el recurso se usa por completo. que comprende: 1. En caso contrario. Si la variable de holgura es cero. Esta información se obtiene en la tabla óptima revisando el valor de la variable de holgura asociada con la restricción que representa el recurso.