You are on page 1of 12

INVESTIGACIN DE OPERACIONES I III.

MTODO SMPLEX DE PROGRAMACIN LINEAL El mtodo smplex se basa fundamentalmente en que la solucin ptima de un problema de programacin lineal est asociada siempre con un punto extremo del espacio de soluciones. 3.1 MTODO SMPLEX ESTNDAR (TRADICIONAL) 3.1.1 DEFINICIONES GENERALES o Solucin Factible: Es la solucin que satisface todas las restricciones. o Solucin optima: Es la solucin factible que tiene el mejor valor en la funcin objetivo. o Variable Bsica: Es una variable que tiene un valor diferente de cero en una determinada iteracin. o Variable no Bsica: Es una variable que tiene un valor igual a cero en una determinada iteracin. Una variable bsica puede convertirse en una variable no bsica y viceversa. El nmero de variables no bsicas se encuentra al hacer la diferencia de n-m (n>m); donde: m n o Solucin Bsica Resulta de hacer n-m variables iguales a cero en una determinada iteracin. o Variable de holgura Representa la cantidad no utilizada de un recurso. = nmero de ecuaciones = nmero de incgnitas

UES/FIA/EII/IOP115

3.1.2 FORMA CANNICA DE LA PROGRAMACIN LINEAL Max Z = C1X1 + C2X2 + + Cn Xn S.A.: a 11X1 + a 12X2 ++ a 1nXn b1 a 21X1 + a 22X2 ++ a 2nXn b2 a 31X1 + a 32X2 ++ a 3nXn b3 (0) (1) (2) (3)

a m1X1 + a m2X2 ++ a mnXn bm X1 , X2 ,, Xn 0

(m)

A partir de la forma cannica obtenemos la forma estndar: 3.1.3 FORMA ESTNDAR DEL MTODO SMPLEX: (0) (1) (2) (3) Z - C1X1 - C2X2 -- Cn Xn a11X1 + a 12X2 ++ a 1nXn + h1 a 21X1 + a 22X2 ++ a 2nXn a 31X1 + a 32X2 ++ a 3nXn + h2 + h3 =0 = b1 = b2 = b3

(m)

a m1X1 + a m2X2 ++ a mnXn X1, X2,, Xn, h1, h2,, hm 0 X1, X2,, Xn Son variables de decisin h1, h2,, hm Son variables de holgura

+ hm = bm

Donde:

Propiedades de la Forma Estndar 1.- Todas las restricciones son ecuaciones con segundo miembro no negativo 2.- Todas las variables son no negativas 3.- La funcin objetivo puede ser de maximizacin o de minimizacin.

UES/FIA/EII/IOP115

3.1.4 FORMA TABULAR DEL MTODO SMPLEX


N Iter. 0 V.B. h1 h2 h3 N Ec. 0 1 2 3 Z 1 0 0 0 X1 X2 Xn a1n a2n a3n h1 0 1 0 0 h2 0 0 1 0 h3 0 0 0 1 . hm . 0 . 0 . 0 . 0 L. D. 0 b1 b2 b3

- C1 - C2 a11 a21 a31 a12 a22 a32

- Cn

hm

am1

am2

amn

bm

3.1.5 PROCESO DEL MTODO SMPLEX 1. INICIALIZACIN: Seleccionar el primer vrtice de solucin factible. Usando la forma estndar, determine una solucin bsica factible inicial. Para ello las variables de holgura se toman como variables bsicas y su valor es igual al lado derecho (bi, i = 1,2,, m) de cada ecuacin y las variables de decisin se toman como variables no bsicas. El proceso del mtodo smplex consiste fundamentalmente en sustituir variables bsicas por variables no bsicas que mejoren el valor de la solucin bsica inicial. 2. PROCESO ITERATIVO a. Criterio para la variable de entrada. En el caso de maximizacin se escoge la que tiene el valor ms negativo en la ecuacin Z. En el caso de minimizacin se escoge la que tiene el valor ms positivo. En caso de empate en el valor ms negativo o ms positivo elegir cualquiera de las variables que estn empatadas. b. Criterio para la variable de salida. Aplicar la condicin de factibilidad: Se escoge la variable que tenga la razn ms pequea con denominador positivo que resulte de dividir el lado derecho entre el coeficiente de la variable de entrada (bi /aij ). En caso de empate en la razn ms pequea elegir cualquiera de las variables que estn empatadas. c. Obtener el nuevo sistema de ecuaciones con el nuevo grupo de variables bsicas. Mediante el mtodo de Gauss-Jordan se hace uno el coeficiente de la variable de entrada en la ecuacin donde se intercepta la variable de entrada y la de salida (elemento pivote) y luego se elimina de las otras ecuaciones la variable de
UES/FIA/EII/IOP115

entrada, incluyendo la ecuacin Z, es decir convertir en ceros los dems elementos de la columna pivote. d. Verificar si se cumple la Condicin de Optimidad. En caso contrario repetir los pasos a, b, c hasta que se satisfaga tal condicin. 3. CONDICIN DE OPTIMIDAD Caso de Maximizacin: Si en la ecuacin Z todos los coeficientes de las variables no bsicas son no negativos, se ha llegado al ptimo. Caso de Minimizacin: Si en la ecuacin Z todos los coeficientes de las variables no bsicas son no positivos, se ha llegado al ptimo. Ejemplos. Resuelva los siguientes modelos de Programacin Lineal a travs del Mtodo Smplex.

1.

Max. Z = 5 X1 + 6 X2 s.a. 2 X1 + 3 X2 18 2 X1 + X2 12 3 X1 + 3 X2 30 X1, X2 0 Max. Z = 3 X1 + 2 X2 s.a. 4 X1 + 5 X2 10 5 X1 + 2 X2 10 3 X1 + 8 X2 12 X1, X2 0 Max. Z = X1 + 3 X2 + X3 s.a. 3 X1 - X2 + 2 X3 7 - 2 X1 + 4 X2 12 - 4 X1 + 3 X2 + 8 X3 10 X1, X2, X3 0

2.

3.

UES/FIA/EII/IOP115

3.2 MTODO SMPLEX UTILIZANDO LA TCNICA DE VARIABLES ARTIFICIALES (MTODO DE LA M)

Las variables artificiales se emplean cuando no se pueden utilizar las variables de holgura como la solucin bsica inicial. Esto se presenta cuando la restriccin original es una igualdad o es del tipo mayor o igual. La variable artificial (Ai) es una variable no negativa que se suma al lado izquierdo de cada ecuacin que no tenga variables iniciales factibles. Si la restriccin original es una igualdad, se sumar la variable artificial A i. Si la restriccin original es del tipo mayor o igual, se restar una variable de holgura hi y se sumar la variable artificial Ai. La variable artificial agregada desempear la misma funcin que una variable de holgura, al proporcionar una solucin bsica inicial. La utilizamos slo para iniciar la solucin y despus debemos hacer que sea igual a cero en la solucin final o de lo contrario la solucin resultante ser no factible. Una manera lgica de lograr que las variables artificiales sean igual a cero en la solucin final consiste en penalizarlas en la funcin objetivo. Para ello se utilizar el Mtodo de la M. En el caso de maximizacin, la variable artificial se multipli ca por M y el producto se resta en el lado derecho de la funcin objetivo. En el caso de minimizacin, la variable artificial se multiplica por M y el producto se suma en el lado derecho de la funcin objetivo. La constante M representa un valor positivo muy grande. Ejemplos Resuelva por el mtodo smplex los siguientes modelos de PL 1. Max Z = 5X1 + 6X2 s.a. 2X1 + 3X2 2X1 + X2 3X1 + 3X2 X1, X2

= 18 12 24 0

2.

Min Z = 5X1 + 6X2 s.a. 2X1 + 3X2 12 2X1 + X2 14 X1, X2 0 Min Z = 4X1 + X2 s.a. 3X1 + X2 = 3 4X1 + 3X2 6 X1 + 2X2 3 X1, X2 0

3.

UES/FIA/EII/IOP115

3.3 CASOS ESPECIALES EN EL MTODO SMPLEX 3.3.1 SOLUCIONES MLTIPLES Grficamente se presenta cuando la funcin objetivo es mltiplo o submltiplo de una de las restricciones que pasan por el punto ptimo. En la tabla smplex, se observar que existen mltiples soluciones en el tablero ptimo cuando aparezcan uno o ms coeficientes iguales a cero para las variables no bsicas en la funcin objetivo. Ejemplo. Resuelva por el mtodo smplex el siguiente modelo de PL Mx. s.a. Z = 4 X1 + 8 X2 3 X1 + X2 4 2 X1 + 4 X2 6 X1, X2 0

3.3.2 SOLUCIN DEGENERADA Se presenta cuando hay un empate en la variable de salida. Se elige arbitrariamente una de ellas y en la siguiente iteracin una de las variables bsicas se har igual a cero. Otras caractersticas de la solucin degenerada son: el valor de la funcin objetivo no mejora en el proceso de iteracin (ciclaje) y en cada iteracin se producen valores idnticos de todas las variables y de la funcin objetivo desde que se da la degeneracin. Ejemplo. Resuelva por el mtodo smplex el siguiente modelo de PL Mx. s.a. Z = 9 X1 + 5 X2 2 X1 + X2 8 4 X1 + 3 X2 16 X1, X2 0

3.3.3 SOLUCIN NO ACOTADA Se da cuando los valores de las variables se pueden aumentar en forma indefinida sin violar ninguna de las restricciones, lo que significa que el espacio de soluciones es no acotado cuando menos en una direccin. Como resultado, el valor de la funcin objetivo puede crecer (maximizacin) o decrecer (minimizacin) en forma indefinida, es decir, sin lmite. En el mtodo smplex, para conocer si un problema es no acotado, si en cualquier iteracin los coeficientes de las restricciones de una variable no
UES/FIA/EII/IOP115

bsica son no positivos, entonces el espacio de soluciones est no acotado en esa direccin. Adems, la variable no bsica debe tener coeficiente positivo en la funcin objetivo original si es maximizacin o negativo si es minimizacin.

Ejemplo. Resuelva por el mtodo smplex el siguiente modelo de PL Mx. s.a. Z = 3 X1 + 2 X2 X1 - X2 15 2 X1 60 X1, X2 0

3.3.4 SOLUCIN INFACTIBLE Si las restricciones no se pueden satisfacer en forma simultnea, se dice que el modelo no tiene solucin factible. Esta situacin nunca puede ocurrir si todas las restricciones son del tipo menor o igual. Cuando se emplean los otros tipos de restricciones, se recurre al uso de variables artificiales que no ofrecen una solucin factible al modelo original. Si el modelo no tiene un espacio factible, cuando menos una variable artificial ser positiva en la iteracin ptima. Esta es una indicacin de que el problema no tiene solucin factible. Ejemplo. Resuelva por el mtodo smplex el siguiente modelo de PL Mx. s.a. Z = 6 X1 + 4 X2 6 X1 + 8 X2 24 4 X1 + 2 X2 4 X1, X2 0

UES/FIA/EII/IOP115

3.4 VARIABLES QUE PUEDEN TOMAR VALORES NEGATIVOS 3.4.1 VARIABLES IRRESTRICTAS Una variable irrestricta (o no restringida en signo) Xi puede expresarse en trminos de dos varibles no negativas mediante el uso de la sustitucin Xi = Xi - Xi ; donde Xi, Xi 0 Ejemplo. Resuelva por el mtodo smplex el siguiente modelo de PL Mx. s.a. Z = 2 X1 + 2 X2 X1 + X2 3 - X1 + X2 - 1 X1 0 X2 irrestricta

3.4.2 VARIABLES CON FRONTERA O LIMITE NEGATIVO Sea una variable Xj con frontera o lmite negativo tal que Xj Lj, donde Lj es una valor negativo. Entonces se puede expresar Xj de la siguiente forma: Xj = Xj + Lj , donde Xj 0 Ejemplo. Resuelva por el mtodo smplex el siguiente modelo de PL Mx. s.a. Z = 2 X1 + 2 X2 X1 + X2 3 X1 - 5 X2 1 X1 0 X2 - 10

UES/FIA/EII/IOP115

3.5 DUALIDAD Cada problema de Programacin Lineal est asociado con un problema complementario llamado dual, de tal manera que la solucin ptima de un problema proporciona informacin sobre la solucin ptima del otro. Al problema original se la llama primal. Ambos se pueden expresar de la siguiente manera:

Problema Primal
Max Zp =

Problema Dual Primal


Min Zd =

n j 1

CjXj

s.a.

n j 1

AijXj bi

s.a. Yi Para j = 1, 2, 3,..., n; i = 1, 2, 3,, m

Xj

Para i = 1, 2, 3,, m; j = 1, 2, 3,..., n

El problema dual se construye sistemticamente a partir del primal de acuerdo a las caractersticas siguientes: 3.5.1 CARACTERSTICAS DEL PROBLEMA DUAL 1. Cada una de las restricciones del problema primal corresponde a una variable de decisin en el dual. 2. El primal de maximizacin tiene un dual de minimizacin o viceversa. 3. El primal de maximizacin tiene restricciones de tipo =, mientras que su dual de minimizacin tiene restricciones de tipo = o viceversa. 4. Los coeficientes de las variables en la funcin objetivo del dual son iguales al lado derecho de las restricciones del primal. 5. Los coeficientes del lado izquierdo de la restriccin dual son iguales a los coeficientes de la restriccin (columna) de la variable primal asociada. 6. El lado derecho de cada restriccin dual es igual al coeficiente de la funcin objetivo de la variable primal correspondiente. 7. Las variables de decisin en ambos problemas son no negativas.
UES/FIA/EII/IOP115

3.5.2 PROPIEDADES DEL PROBLEMA DUAL 1. Una variable dual se define por cada restriccin primal. 2. Una restriccin dual se define por cada variable primal. 3. A una restriccin de igualdad del primal le corresponder una variable irrestricta (no restringida en signo) en el dual. 4. A una variable en el primal no restringida en signo le corresponder una restriccin de igualdad en el dual. 5. El valor ptimo de la funcin objetivo primal es igual al del dual. Ejemplos. Encuentre los duales de los problemas primales siguientes. 1. Max Z= 2X1 + 3X2 + 2X3 s.a. X1 + 2X2 + 3X3 4 2X1 + X2 + X3 6 X1, X2, X3 0 2. Max Z= -10 X1 + 20 X2 s.a. X1 + 2 X2 4 2X1 - 3 X2 6 X1, X2 0 3. Max Z= 10 X1 + 20 X2 s.a. X1 + 2X2 = 4 2X1 - 3X2 7 X1, X2 0 4. Min Z= s.a. 3 X1 + 8 X2 X1 + 3 X2 4 - X1 + 6 X2 3 3 X1 + 9 X2 10 X1 irrestricta X2 0

5. Min Z = 3 X1 + 8 X2 s.a. X1 + 3 X2 = 4 - X1 + 6 X2 3 3 X1 + 9 X2 10 X1 irrestricta X2 0

UES/FIA/EII/IOP115

10

3.5.3 RELACIONES PRIMALES-DUALES Entre las soluciones ptimas primal-dual existen las dos propiedades siguientes: 1. SOLUCIN PRIMAL PTIMA A TRAVS DE LA TABLA DUAL PTIMA

Cuando se tiene una solucin dual ptima, empleando el Mtodo Smplex, la solucin primal ptima se obtiene directamente considerando que:

Valor ptimo de la Variable Primal

Coeficiente numrico de la Funcin Objetivo en la Solucin ptima de la VBI dual asociada a la variable primal.

Ejemplo. Escriba el dual del problema siguiente y resulvalo. Luego encuentre la solucin ptima del primal a partir de la solucin del dual.

Min Zp = 30 X1 + 40 X2 s.a. X1 + X2 5 5 X1 - 5 X2 2 2 X1 - 6 X2 3 X1 irrestricta X2 0

UES/FIA/EII/IOP115

11

2. SOLUCIN DUAL PTIMA A TRAVS DE LA TABLA PRIMAL PTIMA

Cuando se tiene una solucin primal ptima, empleando el Mtodo Smplex, la Solucin dual ptima se obtiene directamente considerando que: Coeficiente numrico de la Funcin Objetivo en la Solucin ptima de la VBI primal asociada a la variable dual.

Valor ptimo de la Variable Dual

Ejemplo. Resolver el primal y encontrar a partir de su solucin la solucin ptima del dual.

Max Zp = 30 X1 + 10 X2 s.a. 2 X1 + X2 + X3 2 3 X1 + 2 X2 - X3 3 X1, X2, X3 0

Aplicaciones de la Dualidad

Para fines de nuestro estudio la aplicacin ms importante de la Dualidad es que en algunos casos, puede ser ms eficiente resolver el problema dual que el primal.

UES/FIA/EII/IOP115

12