EL METODO SIMPLEX El mtodo grafico indica que la solucin optima de un programa lineal siempre est asociado con un punto

esquina del espacio de soluciones. Este resultado es la clave del mtodo simplex algebraico y general para resolver cualquier modelo de programacin lineal. En la transicin de la solucin el punto esquina geomtrico hasta el mtodo 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 despus manipular esas ecuaciones en una forma sistemtica. Una propiedad general del mtodo simplex es que se resuelve la programacin lineal en iteraciones. Cada iteracin desplaza a la solucin a un nuevo punto esquina que tiene potencial de mejorar el valor de la funcin objetivo. El proceso termina cuando ya no se puede obtener mejoras. Por lo tanto en el mtodo simplex se usa un procedimiento inteligente de bsqueda, diseado para llegar al punto esquina optimo en una forma eficiente. Para estandarizar la representacin algebraica del espacio de soluciones de programacin 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 cmo representando el lmite de disponibilidad de un recurso y en ese caso el lado izquierdo representara el uso de ese recurso limitado por parte de las actividades (variables) del mtodo. Para convertir una desigualdad () en ecuacin, se agrega una variable de holgura al lado izquierdo de la restriccin. Por ejemplo:
6x+4 y24

Si se define a como la holgura, o cantidad no usada, la restriccin se puede convertir en la siguiente ecuacin:

6x+4 y+a=24 ; a 0

Una restriccin () establece, normalmente, un lmite inferior para las actividades del modelo de la programacin lineal. Como tal, la cantidad por la que el lado izquierdo es mayor que el limite mnimo (lado derecho) representa un excedente. La conversin de () a (=) se logra restando una variable de excedencia, del lado izquierdo de la desigualdad. Por ejemplo:
x+y800

Si se define a b como una variable de excedencia se puede convertir la restriccin de la ecuacin siguiente:
x+y-b=800 ; b0

Es importante observar que las variables de holgura y excedencia, a y b, siempre son no negativas. El nico requisito que queda es que el lado derecho de la ecuacin que resulte sea no negativo. Esta condicin se puede satisfacer siempre, si es necesario multiplicando ambos lados de la ecuacin resultante por -1. Por ejemplo:
-x+y-3

Equivale directamente a la ecuacin

-x+y+a=-3 ;a0

Ahora se multiplican ambos lados por -1, y se obtiene un lado derecho no negativo, que es lo que se busca, esto es:
x-y-a=3

NATURALEZA ITERATIVA DEL MTODO SIMPLEX Normalmente el mtodo simplex comienza en el origen (punto A), donde
x1=x2=0. En este punto de inicio, el valor de la funcin objetivo z es cero, y

la pregunta lgica es si ese valor mejora con un aumento en x1 y/o x2 no bsicas respecto a sus valores actuales de cero. Para demostrar esta pregunta se usara un ejemplo:
Maximizar z=2x1+3x2

La funcin 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, en el diseo del mtodo simplex se estipula aumentar las variables una por una.
1. Si aumenta x1, entonces, 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, porque un candidato de ser un punto esquina. Una vez en B, el mtodo simplex aumentar el valor de x 2 para llegar al punto esquina mejorado C. El punto C es ptimo y se termina el proceso. La trayectoria asociada al algoritmo simplex es A B C.
2. Si aumenta x2, el siguiente punto esquina se D, y a partir de D la

solucin se mueve hacia el punto optimo C. el trayecto asociado con el algoritmo simplex es A B C.

Ntese que en ambas rutas, las iteraciones simplex se mueven por los bordes del espacio de soluciones, y eso quiere decir que el mtodo no puede atravesar
ese espacio para ir en forma directa de A a C.

CLCULO DEL ALGORITMO SIMPLEX Como medio de explicacin usaremos un ejemplo: Reddy Mikks produce pinturas para interiores o exteriores, M1 y M2. La tabla siguiente proporciona los datos bsicos del problema.

Una encuesta de mercado indica que la demanda diaria de pintura para interiores no puede ser mayor que 1 tonelada ms que la pintura para exteriores. Tambin que la demanda mxima diaria de pintura para interiores es de 2 toneladas.
Maximizar z=5x+4y 6x+4y24 x+2y6 -x+y1 y2 x,y0 1. El problema se expresa en forma de ecuaciones como a continuacin:

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)

x,y,a,b,c,d0 Maximizar z=5x+4y+0a+0b+0c+0d

Las variables a, b, c y d son las holguras asociadas con las restricciones respectivas. Ahora la funcin objetivo se expresara como sigue:
z-5x-4y=0

De esa manera, la tabla simplex se puede representar como sigue: Bsic a Z a b c d z x y a b c d Solucin 0 24 6 1 2 Rengln Z Rengln a Rengln b Rengln c Rengln 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) = (0,0). As, el conjunto asociado de variables no bsicas y bsicas se define como: Variables no bsicas (cero): (x, y) Variables bsicas: (a, b, c, d) Dado que las variables no bsicas (x, y) = (0,0), y al observar el arreglo especial 0 y 1 de los coeficientes de las variables bsicas (a, b, c ,d) en la tabla, por lo que tenemos lo siguiente:
z=0 a=24 b=6 c=1 d=2

Las reglas para seleccionar las variables de entrada y de salida se llaman condiciones de optimalidad y de factibilidad. CONDICIN DE OPTIMALIDAD La variable de entrada en un problema de maximizacin (minimizacin) es la variable no bsica que tenga el coeficiente ms negativo (positivo) en el regln de Z, los empates se rompen en forma arbitraria. Se llega al ptimo en la iteracin en la que todos los coeficientes de las variables no bsicas en el regln z son no negativos (no positivos). CONDICIN DE FACTIBILIDAD En los problemas de maximizacin y de minimizacin las variables de entrada y de salida es la variable bsica asociada con la mnima razn no negativa (con denominador estrictamente positivo). Los empates se rompen de forma arbitraria. Siguiendo estas condiciones, la tabla simplex expresa la funcin objetivo en la forma la forma: z-5x-4y=0 , la variable de entrada es x, porque tiene el coeficiente ms negativo en la funcin objetivo, que es de maximizacin. Si fuera el caso que todos los coeficientes de la funcin objetivo fueran , no sera posible mejorar z y eso querra decir que se habra llegado al ptimo. Para determinar la variable de salida, en forma directa con la tabla, se calculan las intersecciones, o coordenadas (x) al origen, de todas las restricciones con la direccin no negativa del eje x (recurdese que x es la variable de entrada). Esas intersecciones son las razones del lado derecho de las ecuaciones (columna solucin) entre los coeficientes de restriccin correspondientes, abajo de la variable de entrada x, como se ve en la siguiente tabla:

Bsic a a b

Entra x Solucin Razn o interseccin

6 1

24 6

x=246=4 x=61=6

Mnimo

c d

-1 0

1 2

x=1-1=-1(ignorar) x=20=(ignorar)

Las razones no negativas son iguales a las intersecciones en direccin de x creciente. Las razones que corresponden a c y d no se toman en cuenta, porque no limitan a x en la direccin no negativa. La razn no negativa mnima corresponde a a bsica, y quiere decir que a es la variable de salida. El valor de la variable de entrada a en la nueva solucin tambin es igual a la razn mnima: x = 4. El resultado final bsicas en el nuevo punto de solucin son Variables no bsicas (cero): (a, y) Variables bsicas: (x, b, c, d) Ahora se deben manipular ecuaciones de la ltima tabla de modo que la columna bsica y la columna solucin identifiquen la nueva solucin. El proceso se llama operaciones de rengln de Gauss-Jordan. Esto asocia a la columna pivote y al rengln pivote con las variables de entrada y salida, respectivamente. A la interseccin de la columna pivote con el rengln pivote se le llama pivote o elemento pivote. Bsic a Z a b c d z x y a b c d Solucin 0 24 6 1 2 Rengln pivote de intercambiar las variables de entrada y salida es que las variables no bsicas 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 clculos de Gauss-Jordan necesario para obtener la nueva solucin bsica son de dos tipos:

1. RENGLN PIVOTE

Nuevo rengln pivote = Rengln pivote actual / elemento pivote 2. TODOS LOS DEMS RENGLONES, INCLUYENDO Z Nuevo rengln = (Rengln actual) (su coeficiente en la columna pivote) x (nuevo rengln pivote) La nueva tabla corresponde a la nueva solucin convierte en: Bsic a Z x b c d z x y a 5/6 1/6 b c d Solucin 0 0 0 0 0 0 20 4 2 5 2 bsica (a, b, c, 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. Cuando se igualan las variables y y a a cero, la columna solucin muestra en forma automtica la nueva solucin bsica ( x = 4, b = 2, c = 5, d = 2). El nuevo valor objetivo correspondiente es z = 20. Este acondicionamiento de la tabla es el resultado de aplicar operaciones rengln de Gauss-Jordan. La ltima tabla identifica a y y b como las variables de entrada y de salida, respectivamente. Luego se despeja la nueva funcin objetivo:
z=23y-56a+20 z-23y+56a-20=0

Ahora se selecciona como variable de entrada a y, ya que esta posee el coeficiente ms negativo con respecto a la funcin objetivo.

A continuacin, se realizan los clculos de razones o intersecciones: Bsic a a b c d 2/3 4/3 5/3 1 4 2 5 2
y=423=6 y=243=1.5 (mnimo) y=553=3 y=21=2

Entra x Solucin

Razn o interseccin

Dadas y y b como variables de entrada y salida, respectivamente, necesitamos aplicar las operaciones de rengln de Gauss-Jordan para obtener la siguiente tabla: Bsic 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 Solucin 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 rengln Z asociados con las variables no bsicas a y b son negativos, esta ltima tabla es ptima. Se puede leer la solucin en la tabla simplex como a continuacin: los valores ptimos de las variables en la columna bsica se ven en la columna solucin del lado derecho, y se pueden interpretar del siguiente modo:

Variable decisin

Valor ptimo

Recomendacin

Producir 3 toneladas diarias de pintura para exteriores Producir 1.5 toneladas diarias para interiores La utilidad diaria es $21000.

y Z

3/2 21

La tabla simplex muestra una gran cantidad de informacin adicional, que comprende: 1. El estado de los recursos 2. Valor por unidad de los recursos 3. Todos los datos necesarios para efectuar un anlisis de sensibilidad con la solucin ptima. 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. En caso contrario, es abundante. Esta informacin se obtiene en la tabla ptima revisando el valor de la variable de holgura asociada con la restriccin que representa el recurso. Si la variable de holgura es cero, el recurso se usa por completo, y el recurso es escaso. En caso contrario, una holgura positiva indica que el recurso es abundante. Recurso Materia prima M1 Materia prima M2 Lmite de demanda 1 Lmite de demanda 2 Variable de holgura
a=0 b=0 c=5/2 d=1/2

Estado o condicin Escasa Escasa Abundante Abundante