UNIVERSIDAD DE ANTIOQUIA FACULTAD DE INGENIERA

DEPARTAMENTO DE INGENIERA INDUSTRIAL

APUNTES DEL CURSO DE PROGRAMACIN LINEAL

Profesor: Hugo Garca Jimnez

EL MTODO SIMPLEX ALGEBRAICO

Noviembre de 2003

METODO SIMPLEX ALGEBRAICO

INTRODUCCIN

Vamos a conocer en este captulo la primera de las dos formas como podemos entender matemticamente el Mtodo Simplex para la solucin de modelos de Programacin Lineal. Veremos que un requisito inicial para aplicar este enfoque es organizar el modelo, de tal forma que todas las restricciones sean del tipo < y todos los trminos del lado derecho sean no negativos.

Al cumplirse lo anterior, tendremos la garanta de que escribiendo el modelo en formato estndar, el sistema de ecuaciones resultante tendra una solucin bsica de inicio trivial, la cual obviamente estar compuesta por las variables de holgura.

A pesar de que con este procedimiento pueden resolverse modelos con cualquier nmero de variables y de ecuaciones, no es el mtodo utilizado en la practica para resolver los modelos reales de P.L. Los nuevos conocimientos que se adquirirn al estudiar este mtodo sern la

base para comprender otras formas de utilizarlo, como son el enfoque tabular y el enfoque matricial que presentaremos en captulos siguientes.

Al final se aprender la forma analtica de identificar el tipo de la solucin obtenida y su equivalencia con las conclusiones en este sentido obtenidas en el anlisis grfico.

ALGORITMO DE SOLUCIN

Paso inicial: Hallar una solucin bsica factible inicial.

Despus de escribir el modelo en formato estndar, se escoge, por comodidad en los clculos, a las variables de holgura como variables bsicas iniciales. Las variables originales quedarn como variables no bsicas. Hecho lo anterior se procede a obtener la solucin bsica factible inicial, as:

a. Expresar las variables bsicas en trminos de las no bsicas, en cada una de las ecuaciones del modelo. b. Reemplazar el valor (cero) de las variables no bsicas en las expresiones del paso a, obteniendo as que las variables de holgura son iguales a los trminos del lado derecho de cada ecuacin.

Igualmente remplazar los valores de las variables no bsicas, en la funcin objetivo obteniendo que esta es igual a cero.

Paso 1: Determinar si la solucin bsica factible actual puede mejorarse

o si ya es la ptima.

Prueba de mejorabilidad

(para un problema de maximizacin de la funcin objetivo) Consiste en verificar si en la funcin objetivo hay alguna variable no bsica que tenga coeficiente positivo. Si la respuesta es afirmativa esto indica que al aumentar el valor de esa

variable se incrementar proporcionalmente el valor de la funcin objetivo, motivo por el cual nos interesa darle a esa variable el mayor valor posible.

Cuando hay ms de una variable no bsica con coeficiente objetivo positivo, al incrementar el valor de cualquiera de ellas se incrementar el valor de la funcin objetivo. En este algoritmo incrementaremos el valor de la variable no bsica que tenga el mayor coeficiente, aunque debe tenerse en cuenta que no siempre esto garantiza que arribemos con mayor rapidez a la solucin ptima. La variable seleccionada para aumentarle su valor se conoce como variable de entrada a la solucin bsica.

Si hay dos o ms variables empatadas como variable de entrada, podemos romper el empate arbitrariamente.

Prueba de optimalidad:

Si en la prueba de mejorabilidad la respuesta es negativa, es decir, si todas las variables no bsicas tienen coeficiente objetivo negativo o cero, la solucin bsica actual es inmejorable, o sea que es la solucin ptima y se termina el algoritmo.

Paso 2: Obtener la nueva solucin bsica factible mejor.

a. Identificar la variable de salida:

Se toma como variable de salida de la solucin bsica actual a aquella que primero llegue a valer cero al aumentar el valor de la variable de entrada definida en el paso anterior. En caso de empate se elige arbitrariamente una de ellas.

Si ninguna de las variables bsicas tiende a volverse cero al aumentar el valor de la variable de entrada entonces la funcin objetivo puede crecer indefinidamente y se dice que la solucin es ptima ilimitada.

Para determinar cual de la variables bsicas debe salir de la solucin se procede as:

1. Calcular el cociente entre el valor de cada variable bsica y el correspondiente coeficiente de la variable de entrada en la ecuacin de esa variable bsica 2. Seleccionar como variable de salida a aquella variable bsica que corresponda al menor de los cocientes calculados.

b. Transformar el sistema actual para reflejar el cambio de variable bsica y conformar la nueva solucin bsica.

Al cambiar la variable de salida por la variable de entrada, se obtiene un sistema de ecuaciones equivalente al actual pero que refleje la nueva solucin bsica. El cambio se realiza utilizando el mtodo de reemplazo as:

1. En la ecuacin correspondiente a la variable de salida se despeja la variable de entrada. 2. Se reemplaza la expresin recin obtenida para la variable de entrada en las ecuaciones de las otras variables bsicas y en la expresin de la funcin objetivo.

A continuacin se repite el algoritmo desde el paso 1, hasta que mediante la condicin de optimalidad lleguemos a encontrar la solucin optima.

Ejemplo de Solucin de un Modelo utilizando El Mtodo Algebraico

Para comprender la lgica y el algoritmo del mtodo simplex en forma algebraica vamos a resolver el modelo de mezcla productiva que ya resolvimos por el mtodo grfico. Se repite ac la informacin para mayor comodidad en las explicaciones.

Una compaa produce dos tipos de artculos, mediante un proceso que se compone de tres actividades. Los datos importantes del proceso se dan en la tabla:

| |Actividad | | |Formado |Corte |Ensamble |Utilidad neta |($/unidad)

|Tiempo |(minutos / unidad) | |Artculo 1 |4 |4 |6 | |10 |3 |2 | |6

| |Capacidad | | | | | | | | |

|(minutos / da) |Artculo 2 |8 | |800 |600 |600 |

Resuelva el modelo de programacin lineal para determinar el nmero de unidades de cada tipo de producto que deben fabricarse para maximizar la utilidad neta total.

El problema tiene el siguiente modelo de P.L.:

Maximizar: Z = 10 X1 + 6 X2

Sujeto a:

4 X1 + 8 X2 [pic] 800 4 X1 + 3 X2 [pic] 600 6 X1 + 2 X2 [pic] 600 Corte

Formado

(min./da)

(min./da) (min./da)

Ensamble

con

X1, X2 [pic] 0

condicin de no negatividad

Aplicaremos ahora el algoritmo del mtodo simplex algebraico para hallar la solucin ptima del modelo.

Paso inicial: Hallar una solucin bsica factible inicial:

Modelo en formato estndar

Max:

Z = 10X1 + 6X2 + 0H1 + 0H2 + 0H3

(Z.0)

Sujeta a: 4X1 + 8X2 + H1 4X1 + 3X2 6X1 + 2X2 + H2 + H3 = 600 = 800 = 600 Sistema Inicial

Con X1, X2, H1, H2, H3 ( 0

Si seleccionamos como variables bsicas a las variables de holgura (H1, H2, H3), las no bsicas sern entonces las variables originales (X1,X2). De cada una de las ecuaciones del sistema anterior despejamos las correspondientes variables bsicas en trminos de las no bsicas, obteniendo el siguiente sistema modificado:

H1 = 800 - 4X1 - 8X2 H2 = 600 - 4X1 - 3X2 H3 = 600 - 6X1 -2X2

(F.0) (C.0) (E.0) Sistema inicial modificado

Como las variables no bsicas X1 y X2 valen cero la solucin inicial del modelo es:

H1 = 800 H2 = 600 H3 = 600

Y el valor de la funcin objetivo es Z = 0

Es lgico que la utilidad sea cero ya que no se esta produciendo ningn articulo. Adems ntese que como las variables de holgura en este problema indican la cantidad sobrante de cada recurso, la interpretacin es que de todos los recursos est sobrando una cantidad igual a la cantidad disponible en el problema.

Paso 1: determinar si la solucin actual es mejorable o si ya es la ptima.

Prueba de mejorabilidad.

Para facilidad en el anlisis escribamos ac de nuevo la funcin objetivo Z = 10X1 + 6X2 + 0H1 + 0H2 + 0H3 (Z.0)

Observamos que las dos variables no bsicas X1 y X2 que actualmente valen cero tienen coeficiente positivo, lo cual indica que si por ejemplo X1 aumenta su valor a 5 el valor de Z aumenta en 10*5 = 50.

Algo similar ocurrir si aumentamos el valor de X2. Si por ejemplo X2 fuera igual a 8, entonces Z tomara el valor 80 ( = 0+10*8) Como se dijo podemos aumentar el valor de cualquiera de estas variables para obtener un aumento proporcional en el valor de la funcin objetivo. Aunque podemos hacerlo con cualquiera de ellas, tomaremos a X2 como aquella a la cual le aumentaremos su valor lo mximo posible, es decir, la tomaremos como variable de entrada a la nueva solucin bsica.

Como X1 tiene el mayor coeficiente objetivo, la tomamos como variable de entrada a la solucin bsica. Tngase en cuenta que vamos a incrementar el valor de X1 mientras que el valor de X2 permanecer en cero ya que sigue siendo no bsica. Recordemos que una solucin bsica tiene tantas variables como ecuaciones tenga el sistema. Por eso al entrar X1 a la solucin bsica debemos sacar de esta una de las variables bsicas actuales, para que el nmero total de variables se conserve.

Paso 2: a. Identificar la variable de salida: (Prueba de factibilidad)

En el sistema inicial de ecuaciones modificado podemos observar que cuando la variable de entrada (X1) aumenta su valor, en uno, simultneamente se disminuye en cuatro el valor de H1, en cuatro el valor de H2 y en seis el valor de H3. Estos valores (4,4,6) que son los coeficientes de X1 en la correspondiente ecuacin de cada variable bsica, son los coeficientes de sustitucin o de intercambio de la variable de entrada X1, con las variables bsicas actuales.

Por ejemplo si aumentamos a X1 en 10 unidades el valor de H1 ser 800 4*10; el valor de H2 ser 600 4*10 y el valor de H3 ser 600 6*10.

Si continuamos aumentando el valor de X1 llegar un momento en el que alguna de las variables bsicas llegue a valer cero, mientras las otras tomen an valores positivos.

El valor de X1 para el cual se hace cero una variable bsica es el cociente entre el valor actual de la variable y el coeficiente de intercambio con la variable de entrada. Para nuestro modelo los clculos son;

Para H1( X1 = 800/4 = 200 Para H2( X1 = 600/4 = 150 Para H3( X1 = 600/6 = 100

Estos cocientes indican que cuando X1 valga 100 la variable bsica H3 tomar el valor cero, mientras que se requiere que valga 150 para hacer cero a la variable bsica H2 y que valga 200 para que H1 se haga cero. Es decir la variable H3 es la que limita el crecimiento de X1 pues se vuelve cero primero que las dems, al incrementar el valor de X1. Por ello se escoge a X1 como variable de salida.

Analicemos que pasara si X1 superara el valor de 100 y tomara por ejemplo el valor 101. En este punto los valores de las variables bsicas seran :

H1 = 800 - 4(101) = 396 H2 = 600 - 4(101) = 196 H3 = 600 - 6(101) = -6

Hemos detectado que la variable H1 tomara un valor negativo lo cual llevara a que la solucin sea infactible. Se comprueba que 100 es el mximo valor que puede tomar la variable X1 sin hacer infactible la solucin actual. Por esto la prueba para determinar la variable de salida se conoce como prueba de factibilidad.

b. Transformar el sistema actual para reflejar el cambio de variable bsica y obtener la nueva solucin bsica mejor que la actual.

En la ecuacin correspondiente a la variable de salida se despeja la variable de entrada.

Para nuestro caso en la ecuacin de H3, se despeja X1, obteniendo la siguiente ecuacin:

X1 = 100 1/3X2 1/6H3

(F.1)

Luego vamos a reemplazar la expresin recin obtenida para la nueva variable bsica en las ecuaciones de las otras variables bsicas, as:

En H1 H1 = 800 4(100 1/3X2 1/6 H3) 8X2 H1 = 400 20/3X2 + 2/3H3 (C.1)

En H2 H2 = 600 4(100 1/3X2 1/6H3) 3X2 H2 = 200 5/3X2 + 2/3H3 (E.1)

Reemplazamos tambin en la funcin objetivo Z.0, obteniendo la funcin objetivo modificada Z.1.

Z = 10(100 1/3X2 1/6H3) + 6X2 + 0H1 + 0H2 + 0H3 Z = 1000 + 8/3X2 + 0H1 + 0H2 5/3H3 (Z.1)

Escribiendo el sistema de ecuaciones modificado quedara:

Max: Z = 1000 + 0X1 + 8/3X2 + 0H1 + 0H2 5/3H H1 = 400 20/3X2 + 2/3H3 H2 = 200 5/3X2 + 2/3H3 X1 = 100 1/3X2 1/6H3

(Z.1) (F.1) (C.1) (E.1) Sistema 1 modificado

Ahora las variables bsicas son H1, H2, X1 y las no bsicas son X2 y H3 (ambas valen cero), por lo cual la nueva solucin bsica factible es:

H1 = 400 H2 = 200 X1 = 100

Y el valor de la funcin objetivo es Z = 1000.

Ya tenemos una solucin bsica factible mejor que la anterior, pero debemos verificar si es posible encontrar otra todava mejor. Para ello vamos a repetir el algoritmo desde el paso 1 para determinar si la solucin actual es mejorable o ya es la ptima.

Paso 1: Ser mejorable la solucin actual?

En la funcin objetivo modificada (Z.1) observamos que el coeficiente de la variable no bsica X2 es 8/3, lo cual indica que por cada unidad que aumente X2, el valor de Z aumentar en 8/3. Ahora X2 es la nueva variable de entrada.

Paso 2: Obtener la nueva solucin bsica factible mejorada

a. Identificacin de la variable de salida.

En las ecuaciones del sistema 1 modificado, observamos que los coeficientes de intercambio de X2 son 20/3, 5/3, 1/3, lo cual significa que si aumentamos en uno el valor de X2, entonces se disminuye en 20/3 el valor de H1, en 5/3 el valor de H2 y en 1/3 el valor de X1.

Al efectuar los cocientes entre los valores de cada variable bsica y su correspondiente coeficiente de sustitucin con X2, obtenemos:

Para H1 ( X2 = 400/(20/3) = 60 Para H2 ( X2 = 200/(5/3) = 120 Para X1 ( X2 = 100/(1/3) = 300

Sabemos que: Mximo valor de X2 = mnimo cociente entre ( 60,120,300) = 60, que corresponde a la variable bsica H1, la cual se toma como variable de salida.

Obtencin del nuevo sistema equivalente

Como se hizo antes, en la ecuacin correspondiente a la variable de salida despejamos la variable de entrada, o sea en la ecuacin (F.1) despejamos a X2 y obtenemos:

X2 = 60 3/20H1 + 1/10H3

(F.2)

Y reemplazando esta nueva expresin en las otras ecuaciones de sistema modificado 1:

H2 = 200 5/3(60 3/2H1 + 1/10H3) + 2/3H3 H2 = 100 + 1/4H1 + 1/2H3 (C.2)

X1 = 100 1/3(60 3/2H1 + 1/10H3) 1/6H3

X1 = 80 + 1/20H1 1/5H3

(E.2)

Z = 1000 + 0X1 + 8/3(60 3/2H1 + 1/10H3) + 0H1 + 0H2 5/3H3 Z = 1160 + 0X1 + 0X2 2/5H1 + 0H2 7/5H3 (Z.2)

Escribiendo el segundo sistema de ecuaciones modificado, tendramos:

Max: Z = 1160 + 0X1 + 0X2 2/5H1 + 0H2 7/5H3

(Z.2)

S.a:

X2 = 60 3/20H1 + 1/10H3 H2 = 100 + 1/4H1 + 1/2H3 X1 = 80 + 1/20H1 1/5H3

(F.2) (C.2) (E.2) Sistema 2 modificado

Ahora las variables bsicas son X2, H2, X1 y las no bsicas son H1 y H3 (ambas valen cero), por lo cual la nueva solucin bsica factible es:

X2 = 60 H2 = 100 X1 = 80

Y el valor de la function objetivo es Z = 1160.

Como antes, cada vez que tiene una solucin mejorada, se repite el algoritmo desde el paso 1 para determinar si la solucin actual es mejorable o si ya es la ptima.

Observamos en Z.2 que las variables bsicas (H1 y H3), tienen coeficiente negativo, lo cual indica que no es posible mejorar ms el valor de la funcin objetivo y por lo tanto se concluye que la solucin actual es la ptima.

Comparacin entre la solucin grfica y la solucin algebraica

Con el fin de entender la gran eficiencia del algoritmo simplex, vamos a observar de nuevo la figura 3.4 que nos muestra la solucin grfica de este modelo

Ntese que el mtodo algebraico se inicia con una solucin bsica factible en la cual las variables originales valen cero, es decir una solucin equivalente al punto extremo (0,0). (Punto O). Luego, en el paso 1, el algoritmo nos condujo a incrementar el valor de X1 (recuerda por que?), hasta un valor mximo de 100, (tambin recuerda por qu?), en el cual se hace cero a la variable bsica H3. Al hacer las operaciones correspondientes obtuvimos que la nueva solucin bsica factible mejorada es:

H1 = 400 H2 = 200 X1 = 100

En la grfica esto equivale a movernos desde el punto O(0,0) hasta el punto A(100, 0), que es un vrtice adyacente.

Advirtamos adems que los otros intersectos con el eje X1, son en X1 = 150 y X1 = 200, y se corresponden con los otros cocientes obtenidos cuando en el paso 2 literal b, estabamos efectuando los primeros cocientes para determinar la variable de salida. ( puedes explicar que significado tiene esta relacin ?)

Cuando repetimos el algoritmo a partir del paso 1, determinamos que la solucin an es mejorable al entran X2 en lugar de H1 y obtuvimos que la nueva solucin bsica es X1 = 80, X2 = 60, H2 = 100.

Esta solucin es el punto B(80,60), es decir grficamente nos movimos desde el punto A(100,0) hasta el punto adyacente B(80,60), en el cual se obtiene un mejor valor de Z.

Finalmente el algoritmo detect que esta solucin no es mejorable, por lo cual se concluye que es la solucin ptima, tal como lo habamos hecho en la solucin grfica.

En el proceso descubrimos que las soluciones bsicas son equivalentes, en trminos grficos, a los intersectos de las rectas generadas por las ecuaciones (incluyendo las rectas de las condiciones de no negatividad) y mas an las soluciones bsicas factibles son equivalentes a los vrtices o puntos extremos de la regin de factibilidad.

Hemos visto como no hubo necesidad de evaluar el valor de Z en todas las soluciones bsicas, ni tampoco tuvimos que evaluar en todas las soluciones bsicas factibles, sino que solo evaluamos algunos de ellas.

En este ejemplo sencillo dejamos de evaluar solo el punto extremo (0,100), pero en problemas mas grandes, el ahorro en puntos no evaluados es apreciablemente mayor.

Con base en lo anterior podemos afirmar que el mtodo simplex sigue un camino abreviado, que a partir de una solucin bsica factible inicial, va buscando otras soluciones cada vez mejores hasta encontrar la ptima. He aqu una de las grandes ventajas del mtodo.

REPRESENTACIN TABULAR DELMETODO SIMPLEX

Al seguir el algoritmo del mtodo simplex algebraico para la solucin de este modelo, obtuvimos tres modelos modificados, el inicial, y los que denominamos: sistema 1 modificado y sistema 2 modificado.

Para facilitar el anlisis, escribamos los modelos modificados en formato estndar tal como est el modelo inicial, con lo cual obtenemos:

Sistema inicial | Max Z = |10X1 + |4X1 + |4X1 + |6X1 + |6X2 + |8X2 + |3X2 + |2X2 + |0H1 + |1H1 + |0H1 + |0H1 + |0H2 + |0H2 + |1H2 + |0H2 + |0H3 |0H3 = |0H3 = |1H3 = | |800 |600 |600 | | | |

|Sujeta a | |

Ac las variables bsicas son H1, H2, H3

Sistema 1 | Max Z = |Sujeta a | | | |0X1 + |0X1 + |8/3X2 + |20/3X2 + |0H1 + |1H1 + |0H2 |0H2 |5/3H3 |2/3H3 = | |400 |

|0X1 + |1X1 +

| 5/3X2 + | 1/3X2 +

|0H1 + |0H1 +

|1H2 |0H2 +

|2/3H3 = |1/6H3 =

|200 |100

| |

Ac las variables bsicas son H1, H2, X1

Sistema 2 | Max Z = | |Sujeta a | | | | | |0X1 + |0X2 |2/5H1 + |0H2 |7/5H3 |

|0X1 +

|1X2 +

|3/20H1 +

|0H2 -

|1/10H3 =

|60

|0X1 +

|0X2 -

| 1/4H1 +

|1H2 -

|1/2H3 =

|100

|1X1 +

| 0X2 -

|1/20H1 +

| 0H2 +

|1/5H3 =

|80

Ac las variables bsicas son X2, H2, X1

Si analizamos la estructura de los tres sistemas anteriores, constatamos que en cada uno de ellos, el vector formado con los coeficientes de las variables bsicas, en las tres restricciones, es un vector unitario y que adems en los tres sistemas las variables bsicas tienen un cero como coeficiente objetivo. Tambin observamos que cada variable de entrada tiene un vector unitario en el sistema siguiente, mientras que la variable bsica de salida, que antes tenia vector unitario ya no lo tiene. Esta caracterstica nos permite obtener un sistema a partir del anterior, simplemente realizando las operaciones necesarias para que el vector de la variable de entrada se convierta en un vector unitario. En realidad lo que necesitamos hacer es efectuar operaciones elementales entre filas mediante la operacin de pivoteo para convertir en uno el coeficiente de la variable de entrada en la ecuacin correspondiente a la variable de salida y convertir en cero el coeficiente en el resto de las ecuaciones y en la funcin objetivo.

Para realizar con mayor comodidad el paso de un sistema al siguiente, se acostumbra organizar los valores en tablas conocidas como tableros simplex, en las cuales se escribe el modelo junto con otras columnas y filas que nos permiten reconocer e interpretar otros datos importantes del proceso de solucin.

La tabla contiene una columna encabezada con el nombre de cada variable del modelo. Encima del nombre se escribe el coeficiente objetivo y debajo los coeficientes tecnolgicos que le corresponden en cada restriccin, con lo cual quedara que la primera fila contiene la funcin del objetivo y las filas a partir de la tercera contienen las restricciones del modelo. La penltima se encabeza con el nombre solucin y debajo se escriben los trminos del lado derecho de las restricciones.

Para efectuar fcilmente algunos clculos posteriores e interpretar las sucesivas soluciones obtenidas en la bsqueda de la solucin ptima, se agregan a la tabla las siguientes columnas y filas: a. Columna CB con los coeficientes objetivo de las variables bsicas . b. Columna XB con los nombres de las variables bsicas. c. Fila Zj cuyos elementos se calculan como el producto escalar del vector CB y el vector Sj compuesto por los coeficientes que forman la columna de la variable Xj. En esta fila y debajo de los nombres de las variables bsicas se escribe el nombre de la funcin objetivo ( el nombre genrico es Z ), y a la izquierda el valor correspondiente ( inicialmente este valor es cero). d. Fila Ej cuyos elementos, llamados efectos netos, se calculan como la diferencia Cj Zj.

Ntese que el valor de Z se calcula como el producto escalar de CB por la columna solucin, lo cual es lgico ya que el vector CB contiene los coeficientes objetivo de las variables bsicas y la columna solucin contiene el valor de esas variables.

Para nuestro modelo los tableros simplex correspondientes a los sistemas obtenidos son los siguientes:

Tablero inicial

|Cj |CB |0 |0 |0 |Ej

|10 |X1 |4 |4 |6 |10

|6 |X2 |8 |3 |2 |6

|0 |H1 |1 |0 |0 |0

|0 |H2 |0 |1 |0 |0

|0 |H3 |0 |0 |1 |0

| |Solucin

| |XB | | | | |

|800 |600 |600 | |

|H1 |H2 |H3

Tablero 1

|Cj |CB |0 |10 |Zj |Ej

|10 |X1 |0 |1 |10 |0

|6 |X2 |20/3 |1/3 |10/3 |8/3

|0 |H1 |1 |0 |0 |0

|0 |H2 |0 |0 |0 |0

|0 |H3 |-2/3 |1/6 |5/3 |-5/3

| |Solucin |400 |100 |1000 | | |H1 |X1 |Z

| |XB | | | | |

Tablero 2 ( tablero ptimo del ejemplo de maximizacin)

|Cj |CB |6 |0 |10 |Zj |Ej

|10 |X1 |0 |0 |1 |10 |0

|6 |X2 |1 |0 |0 |6 |0

|0 |H1 |3/20 |-1/4 |-1/20 |2/5 |-2/5

|0 |H2 |0 |1 |0 |0 |0

|0 |H3 |-1/10 |-1/2 |1/5 |7/5 |-7/5

| |Solucin |60 |100 |80 |1160 | | |X2 |H2 |X1 |Z

| |XB | | | | | |

Observamos de manera clara como las columnas de las variables bsicas siempre son vectores unitarios y los efectos netos de las variables bsicas siempre son cero.

Ejercicio: Un problema de minimizacin

Con el propsito de deducir otros detalles relacionados con la lgica del mtodo simplex en forma algebraica, el estudiante debe aplicar el algoritmo ya conocido, para obtener la solucin ptima del siguiente modelo:

Min: Sujeta a:

Z = - 4X1 2X2 -1X1 + 1X2 ( 10 6X1 + 10X2 ( 120 3X1 - 5X2 ( 30 Con X1, X2 (0

Se presenta enseguida el tablero final, para que el estudiante lo compare con el que obtenga despus de realizar sus clculos.

Tablero ptimo del ejemplo de mimimizacin

|Cj |CB |0 |-2 |-4 |Zj |Ej

|-4 |X1 |0 |0 |1 |-4 |0

|-2 |X2 |0 |1 |0 |-2 |0

|0 |H1 |1 |0 |0 |0 |0

|0 |H2 |1/30 |1/20 |5/60 |-13/30 |13/30

|0 |H3 |4/15 |-1/10 |1/6

| |Solucin |22 |3 |15 |-66 | | |H1 |X2 |X1 |Z

| |XB | | | | | |

|-14/30 |14/30

IDENTIFICACIN DEL TIPO DE SOLUCIN

Con el mtodo algebraico podemos resolver cualquier modelo de programacin lineal, pero por facilidad en los clculos y anlisis, lo hemos explicado mediante un modelo en el cual todas las restricciones son del tipo ( y todos los bi ( 0. Si un modelo puede expresarse de esta manera, siempre tendr una solucin bsica factible inicial, integrada por las variables de holgura y cuyos valores son los coeficiente recurso del modelo, es decir siempre tendremos al menos una solucin factible, as sea la inicial que como hemos dicho es trivial, pero con la cual se descarta la inexistencia de solucin o la existencia de una solucin infactible. Estas dos ultimas posibilidades las analizaremos posteriormente cuando generalicemos el algoritmo para modelos que no cumplan las dos condiciones de tener todas las restricciones de la forma > y todos los trminos del lado derecho con valor no negativo. En estos casos se deben incluir unas variables artificiales que nos permita obtener cmodamente una solucin bsica factible inicial artificial.

Al termino del Algoritmo Simplex Algebraico llegaremos a una solucin ptima, que como ya mencionamos en el mtodo grfico, puede ser nica, mltiple, ilimitada. A continuacin presentamos ejemplos de modelos de maximizacin que conducen a cada uno de estos casos.

Solucin ptima nica

Se obtiene cuando en la fila Ej de un tablero, ya todos los valores correspondientes a las variables no bsicas son menores o iguales que cero. Esto sucede en el tablero ptimo del ejemplo de maximizacin, presentado antes. ( se pide al estudiante que analice el tablero ptimo del ejemplo de minimizacin , para que deduzca los cambios que deben hacerse en el algoritmo, cuando el objetivo no es maximizar sino minimizar)

Solucin ptima mltiple

Ocurre cuando ninguna variable no bsica tiene efecto neto positivo, pero al menos una de ellas tiene efecto neto igual a cero. Lo anterior indica que la solucin actual no es mejorable, pero si igualable, al formar una nueva solucin ptima entrando la variable no bsica con efecto neto cero. Al hacerlo se obtendr una nueva solucin, pero con el mismo valor de la funcin objetivo.

Apoyados en el teorema de que si hay dos soluciones bsicas que dan el mismo valor ptimo de Z, entonces cualquier combinacin lineal convexa de ellas, tambin da el mismo valor, podemos concluir que el problema tiene infinitas soluciones ptimas alternativas.

Como ejemplo, analicemos la solucin del modelo:

Max: Sujeta a:

Z = 14X1 + 6X2 3X1 + 5X2 ( 15 8X1 - 12X2 ( 12 7X1 + 3X2 ( 14

Despus de algunas iteraciones llegamos al siguiente tablero:

|Cj |CB |0 |14 |6 |Zj |Ej

|14 |X1 |0 |1 |0 |14 |0

|6 |X2 |0 |0 |1 |6 |0

|0 |H1 |1 |0 |0 |0 |0

|0 |H2 |0.2407 |0.0278 |-0.0648 |0 |0

|0 |H3

| |Solucin |8.0370 |1.8885 |0.2593 |Z |

| |XB |H1 |X1 |X2 | | | | | |

|-0.7037 |1/9 |0.0741 |2 |-2 |28 |

Por lo tanto la solucin actual es H1 = 8.0370, X1 = 1.8885, X2 = 0.2593; Z = 28.

Observamos que este tablero es ptimo pues ninguna variable no bsica tiene efecto neto negativo. Pero la solucin actual si es igualable, ya que el efecto neto de la variable no bsica H2 es cero, que no quita ni pone en el valor de la funcin objetivo, por lo cual al entrarla a la solucin bsica esta tendr el mismo valor de Z.

Si efectuamos los clculos para obtener la nueva solucin bsica en donde H2 sea variable bsica obtenemos el siguiente tablero:

|Cj

|14

|6

|0

|0

|0

|CB |0 |14 |6 |Zj |Ej

|X1 |0 |1 |0 |14 |0

|X2 |0 |0 |1 |6 |0

|H1 |4.154 |-0.1154 |0.2692 |0 |0

|H2 |1 |0 |0 |0 |0

|H3 |-2.923 |0.1923 |-0.1154 |2 |-2 |28 |

|Solucin |33.38 |0.961 |2.423 |Z |

|XB |H2 |X1 |X2 | | |

| |

Ambos tableros representan soluciones ptimas del modelo. Entonces hay solucin ptima mltiple que se expresa como:

X1* =( X2*

1.89 + (1- () 0.26

0.96 ; z* = 28 2.42

En donde 0 ( ( ( 1

Solucin ilimitada

Ocurre cuando se tiene alguna variable no bsica con efecto neto positivo, la cual ser variable de entrada, pero es imposible sacar una de las variables bsicas, debido a que todos los coeficientes de intercambio de la variable de entrada son negativos o cero.

Para mejor entendimiento analicemos la solucin del siguiente modelo:

Max:

Z = 10X1 + 5X2

Sujeta a.

- 3X1 + 4X2

( 12 2 8

X1 2X2 ( X1 + 2X2 >

Con X1, X2 ( 0

Al aplicar el mtodo simplex en forma tabular obtenemos la siguiente tabla:

|Cj |CB |5 |0 |10 |Zj |Ej

|10 |X1 |0 |0 |1 |10 |0

|5 |X2 |1 |0 |0 |5 |0

|0 |H1 |0.1 |0.4 |-0.2 |-1.5 |1.5

|0 |H2 |0 |1 |0 |0 |0

|0 |H3 |-0.3 |-0.2 |-0.4 |-5.5 |5.5

| |Solucin

| |XB | | | | | |

|3.6 |8.4 |0.8 |26 | |

|X2 |H2 |X1 |Z

Observamos que las variables H1 y H3 tienen efecto neto positivo, por lo cual pueden entrar a la solucin bsica. Ya que H3 tiene el mayor efecto neto, la elegimos como variable de entrada. Pero tambin notamos que al aumentar el valor de H3, ninguna de las variables bsicas disminuye, sino que por el contrario lo aumentan. Esto se debe a que los coeficientes de intercambio de H3 con X2, H2 y con X1 son negativos. Por consiguiente concluimos que la solucin del modelo es ptima ilimitada.

Es bueno recordar ac que la aparicin de soluciones ptimas mltiples o ilimitadas es poco comn en los problemas reales y cuando se presentan en algn modelo obedecen generalmente a errores en la formulacin o en los datos.

Se le recomienda al estudiante que compare las conclusiones obtenidas al resolver estos modelos, con el mtodo simplex tabular y las obtenidas con el mtodo grfico.