Está en la página 1de 38

Notas del Método Simplex

Investigación de Operaciones I

METODO SIMPLEX

M.C. Héctor Martínez Rubin Celis

1

Notas del Método Simplex

Investigación de Operaciones I

Contenido
EL MÉTODO SIMPLEX ................................................................................................... 3 Procedimiento del Método Simplex para la Forma Matricial......................................... 3 Ejemplo: .......................................................................................................................... 5 Formato general de la tabla para el Método Simplex ..................................................... 9 Ejemplo: ...................................................................................................................... 9 Forma tabular del libro de Mokthar Bazara .................................................................. 11 Identificar B inversa en la tabla optima. ..................................................................... 11 MÉTODO DE LA “M”..................................................................................................... 13 Ejemplo: ........................................................................................................................ 14 MÉTODO DE LAS DOS FASES .................................................................................... 16 Ejemplo: ........................................................................................................................ 17 DEGENERACIÓN ........................................................................................................... 20 Ejemplo: ........................................................................................................................ 20 CICLAJE .......................................................................................................................... 21 Ejemplo: ........................................................................................................................ 22 METODO LEXICOGRAFICO ........................................................................................ 24 Ejemplo: ........................................................................................................................ 24 SOLUCIÓN ILIMITADA ................................................................................................ 26 Ejemplo: ........................................................................................................................ 26 SOLUCIÓN MÚLTIPLE ................................................................................................. 26 Ejemplo: ........................................................................................................................ 26 CONVERSIÓN DE UN PROBLEMA DE MINIMIZACIÓN A UN PROBLEMA DE MAXIMIZACIÓN ............................................................................................................ 28 PROCEDIMIENTO SIMPLEX REVISADO .................................................................. 29 Ejemplo 1: ..................................................................................................................... 30 Ejemplo 2: ..................................................................................................................... 32 Ejemplo 3: ..................................................................................................................... 34

M.C. Héctor Martínez Rubin Celis

2

Notas del Método Simplex

Investigación de Operaciones I

TEORÍA DEL MÉTODO SIMPLEX EL MÉTODO SIMPLEX
Es un procedimiento general para encontrar la solución óptima a problemas de Programación Lineal. Este método logra la solución óptima en un número finito de pasos, la demostración de esto es lo que se pretende realizar. Para el desarrollo de éste método son necesarias algunas definiciones: Solución: Cualquier conjunto de variables x j que satisfacen las restricciones del problema ( Ax = b ). Solución factible: Cualquier solución que satisface la no-negatividad de las restricciones ( x j ³ 0 ). Solución básica: En un sistema de m ecuaciones lineales con n variables Ax = b ( m < n ) cuyo rango R ( A) = m ; una solución es obtenida haciendo n - m variables igual a cero y resolviendo para las m variables restantes, siempre y cuando el determinante de los coeficientes de estas m variables no seas cero. Las m variables se llaman variables básicas (la solución resultante a este sistema, se le llama solución básica). Solución básica factible: Es una solución básica en la cual todas las m variables básicas son mayores o iguales que cero ( x j ³ 0 ). Degeneración: Una solución básica Ax = b es degenerada si una o más variables básicas son iguales a cero (más de n - m variables iguales a cero).

Procedimiento del Método Simplex para la Forma Matricial
Primero Partiendo de un problema de Programación Lineal que se encuentra en la forma estándar, se determinan las matrices A, b, B, Cj, CB, y XB Donde: A es la matriz de coeficientes de las variables en las restricciones b es el lado derecho de las restricciones (limitaciones ) B es la matriz que proporciona la Solución Inicial Básica Factible y esta formada por las columnas de las variables básicas, es decir aquellas que están en solución. Cj son los coeficientes de las variables en la función objetivo CB son los coeficientes de las variables básicas en la Función Objetivo. XB son los valores de las variables básicas que dan la solución al problema. Segundo Se obtiene B Inversa ( B-1 ). Ya sea por el Método de Cofactores o por el Método de M.C. Héctor Martínez Rubin Celis 3

Las Yj son las columnas actualizadas a las transformaciones de renglón de la matriz A para generar la columna de la matriz identidad que aporta la columna de la variable que entra en solución..... Héctor Martínez Rubin Celis 4 . Y .. ç Y . donde Yir > 0 ÷ ÷ = Minç 2r è ir ø è 1r ø donde r corresponde a la columna de la variable que entra en la solución Sexto La columna de la variable que entra en solución deberá aportar la columna de la matriz identidad. donde Yir > 0 ÷ ÷. Sale de solución aquella variable que tenga el æ X Bi ö æ X B1 X B 2 ö Minç ç Y . Para un problema de Maximización Entra la variable que tenga el más negativo Zj-Cj y se alcanza la solución óptima cuando todos los valores sean positivos en el análisis de Zj-Cj Para un problema de Minimización Entra la variable que tenga el más positivo Zj-Cj y se alcanza la solución óptima cuando todos los valores sean negativos en el análisis de Zj-Cj Cj-Zj es el beneficio que se tendrá en Z por cada unidad de valor que tenga la variable que entra en solución (Xr) Quinto Determinar la variable que sale de solución Se analiza cada columna de las variables No-básicas junto con el valor de las variables básicas XB.C.Notas del Método Simplex Gauss-Jordan Tercero Se obtiene XB. M. donde X B = B -1b Z = CB X B Cuarto Determinar la variable que entra en la base de solución Se obtienen los Zj-Cj para las variables No-básicas donde Z j = C BY j y Investigación de Operaciones I Y j = B -1 a j - Las Yj de las variables básicas forman las columnas de la matriz identidad y las Zj-Cj de las variables básicas son cero..

Ejemplo: Forma canónica Max Z = 5 x1 + 3 x 2 . sujeto a : 3 x1 + 5 x 2 £ 15 5 x1 + 2 x 2 £ 10 x1 . considerado en el paso 4.Notas del Método Simplex Investigación de Operaciones I æ X Bi En la matriz B la columna de la variable que tuvo el Minç çY è ir solución y entra en su lugar la columna de la variable r. ö ÷ ÷ abandona la base de ø Séptimo Regresar al paso 2. sujeto a : 3 x1 + 5 x 2 + x 3 5 x1 + 2 x 2 = 15 + x 4 = 10 x1 . hacemos que: b1 = a 3 y b2 = a 4 é1 0ù B -1 = ê ú ë0 1 û é1 0 ù B=ê ú ë0 1 û é1 0ù é15ù é15ù ¬ x 3 = x B1 x B = B -1 b = ê ú ê ú = ê ú ë0 1û ë10û ë10û ¬ x 4 = x B 2 El valor de la función objetivo Z es: é15ù Z = C B xB = [0 0]ê ú = 0 ë10û Analizando la variable que entra en solución: x1 = x 2 = 0 M. x 3 x 4 ³ 0 y x 3 . x 2 ³ 0 Forma estándar Max Z = 5 x1 + 3 x 2 . Héctor Martínez Rubin Celis 5 . x 2 . x 4 son variables de holgura é15ù é3 5 1 b=ê ú A=ê Dado ë10 û ë5 2 0 columnas de la matriz identidad ( x 3 y x 4 C j = [5 3 0 0] 0ù 1ú û que las columnas de a 3 y a 4 forman las son variables básicas).C. hasta que se cumpla el criterio de optimización.

cj < 0 é5 ù z 2 = C B y 2 = [0 0]ê ú = 0 ë 2û z 2 .z ) = 0 + 10 (5 . (Donde r es la fila en cuestión y j corresponde a la variable que entra en solución. y 21 ï ï î3 5þ î5þ î y1 j y2 j þ Será el valor de la variable entrante en la solución en la tabla siguiente.3 5ù 15 ú û x2 = x4 = 0 .Notas del Método Simplex Investigación de Operaciones I é1 0ù é3ù é3ù ¬ y11 y1 = B -1 a1 = ê ú ê ú = ê ú ë0 1û ë5û ë5û ¬ y 21 é1 0ù é5ù é5ù ¬ y12 y 2 = B -1 a 2 = ê ú ê ú = ê ú ë0 1û ë2û ë2û ¬ y 22 é3ù z1 = C B y1 = [0 0]ê ú = 0 ë5û zj .z j unidades. ahora si b1 = a 3 y b2 = a1 tenemos: é1 3ù B=ê ú ë 0 5û é1 x B = B -1 b = ê ë0 é1 B -1 = ê ë0 . por cada unidad que tenga la variable entrante a la solución.) z1 . por lo que x 4 sale de solución.C. yrj > 0 ý = Min í .5 = -5 ì xBi ü x Br ï = Min ï í . Así.3 = -3 se toma el z j . la variable entrante será x1 .c j más negativo. Héctor Martínez Rubin Celis 6 . Analizando la variable que sale de solución: ì ü x ì15 10 ü ì10 ü ï xB1 xB 2 ï .c1 = 0 .c 2 = 0 .z j es una razón de cambio. yrj > 0ý = Min ï ï y rj î yrj þ y el próximo valor Z ( Z mejorada) será: ˆ = Z + x 4 (c . la función objetivo se verá mejorada en c j .3 5ù é15ù é9ù ¬ x 3 = x B1 ê10ú = ê2ú ¬ x = x 15 ú ûë û ë û 1 B2 El valor de la función objetivo Z es: é9 ù Z = C B xB = (0 5)ê ú = 10 ë 2û Analizando la variable que entra en solución: M. ý = í ý ¬ 4 í .0) = 10 Z 1 1 y 21 5 el c j .

z ) = 10 + 45 19 (3 .3 5ù é5ù é19 5ù ¬ y12 ê 2ú = ê 2 5 ú ¬ y 15 ú ûë û ë û 22 .3 19 ù é15 ù é 45 19 ù ¬ x 2 = x B1 .2 19 .3 5ù . z4 . ê ú=ê ú 5 19 ú û ë10 û ë 20 19 û ¬ x1 = x B 2 Ahora el valor de la función objetivo es: æ 45 / 19 ö Z = CB xB = (3 5) ç ç 29 / 19 ÷ ÷ = 235 / 19 è ø Analizando la variable que entra en solución: é 5 19 y 3 = B -1 a 3 = ê ë.3 19ù é1ù é 5 19 ù ¬ y13 ê ú=ê ú 5 19 ú û ë0û ë.c4 = 1 .3 5ù ¬ y14 ê ú=ê ú 15 ú û ë1û ë 1 5 û ¬ y 24 é19 5ù é .3 19ù 5 19 ú û x3 = x 4 = 0 . Se analiza ahora la variable que abandonará la solución. y el próximo valor de Z ( Z mejorada) será: Nuevamente continuando con este proceso iterativo.0 = 1 se toma nuevamente aquella variable que tenga el z j . ahora haciendo b1 = a 2 y b2 = a1 . y ij > 0ý = í ý¬ y rj y12 î19 5 2 5 þ î19 5 þ por lo que x 3 sale de solución.C. [ ] z 2 = c B y 2 = [0 5]ê = 2 z = c y = 0 5 4 B 4 ú ê 1 5 ú =1 ë2 5û ë û z 2 . .c 2 = 2 .2 19 y é 5 19 B -1 = ê ë.2) = 235 Z 2 2 y12 19 é5 3ù B=ê ú ë2 5û é 5 19 x B = B -1 b = ê ë .2 19 . Héctor Martínez Rubin Celis 7 .3 5ù é0ù é. x Br x3 ì 9 ü ì 9 ü 2 = Min í .c j más negativo.3 = -1. tenemos: ˆ = Z + x2 (c . correspondiendo a x 2 salir de solución.Notas del Método Simplex Investigación de Operaciones I é1 y 2 = B -1 a 2 = ê ë0 é1 y 4 = B -1 a 4 = ê ë0 .2 19û ¬ y 23 M.

0 = 5 19 é45 19ù Z = C B x B = [3 5]ê ú = 235 19 20 19 ë û é45 19ù por lo que x 2 y x1 son variables básicas x B = ê ú .10 19 = 5 19 ë.c 4 = 16 19 .2 19 .2 19û é. 19 M.3 19ù ¬ y14 ê ú=ê ú 5 19 ú û ë1û ë 5 19 û ¬ y 24 é 5 19 ù z3 = CB y3 = [3 5] ê ú = 15 19 .0 = 16 19 encontramos que como todos los valores de z j . Así la solución óptima será: z 3 .3 19ù z4 = C B y4 = [3 5] ê ú = .c 3 = 5 19 . entonces ninguna otra variable entrará en solución ya que ésta es óptima.C.3 19ù é0ù é.c j son mayores que cero.Notas del Método Simplex Investigación de Operaciones I é 5 19 y 4 = B -1 a 4 = ê ë. Héctor Martínez Rubin Celis 8 . ya que con estos valores la 20 19 ë û función objetivo es óptima ( Z * = 235 ).9 19 + 25 19 = 16 19 ë 5 19 û z 4 .

x 2 ³ 0 M.c j = CB X B . b = Valor de las variables básicas (en solución). Max 5 x1 + 3x 2 .c j y rj = Componente del vector que va a formar parte de la nueva Solución Básica Factible. Héctor Martínez Rubin Celis 9 .C.cj X B = Vector que representa la Solución Básica Factible. sujeto a : 3 x1 5 x1 + + 5x 2 2x2 £ 15 £ 10 x1 . Ejemplo: Resolviendo el ejemplo anterior por la forma tabular. C B = Vector formado por los componentes de C correspondientes a la Solución Básica Factible.Notas del Método Simplex Investigación de Operaciones I Formato general de la tabla para el Método Simplex cj CB XB b c1 x1 | c2 x2 | c3 x3 | L L L cn xn | x Br y rj a1 | a2 | a3 | an | Z* zj zj . c j = Vector de costos (coeficientes de las x j en la Función Objetivo). Z * = Valor actual de la Función Objetivo. z j = CB X B z j . tenemos.

x 3 = 0 .Notas del Método Simplex Investigación de Operaciones I Tabla 1 (Tabla Inicial) cj CB 0 0 XB x3 x4 b 15 10 Z* 0 5 x1 3 x2 0 x3 1 0 0 0 0 x4 0 1 0 0 b y rj 15 3 10 5 zj zj -cj ¬ Sale x4 de solución 3 5 5 2 0 0 -5 -3 .2 19 5 19 5 19 0 x4 .C. se observa que: 1.cj b yrj 235 19 como todos los z j .3 19 5 19 16 19 16 19 zj z j . Las columnas de las variables básicas forman la matriz identidad M.Entra x2 en solución Tabla 3 (Tabla Final) cj CB 3 5 XB x2 x1 b 45 19 20 19 Z * 5 x1 0 1 0 0 3 x2 1 0 0 0 0 x3 5 19 . En la fila zj-cj las posiciones que corresponden a las variables básicas tienen valor cero 2.c j son ³ 0 la solución es óptima. x1 = 20 19 y Z * = 235 19 En resumen.Entra x1 en solución Tabla 2 cj CB 0 5 XB x3 x1 b 9 2 Z * 5 x1 0 1 5 0 3 x2 19 5 25 2 -1 0 x3 1 0 0 0 0 x4 -3 5 15 1 1 b y rj 45 19 15 zj zj -cj ¬ Sale x3 de solución 10 . Héctor Martínez Rubin Celis 10 . x 2 = 45 19 .

cj 1 0 0 ¬ Fila de z j .2 19 è x4 .Notas del Método Simplex Forma tabular del libro de Mokthar Bazara Investigación de Operaciones I Z x1 -5 3 5 x2 -3 5 2 x3 0 1 0 x4 0 0 1 x 5 (L.3 19 ö ÷ 5 19 ÷ ø æ 5 3ö B=ç ç 2 5÷ ÷ è ø Otro ejemplo en el que se tengan en solución las siguientes variables. Héctor Martínez Rubin Celis 11 .C N B -1 N b C B B -1 b B -1 b Min Z sujeto a : Z .c j x3 x4 Interpretación de la tabla del simplex Z XB 0 1 Z XB 1 0 Xn C B B -1 N . En el caso del problema usado como ejemplo x2 x1 x3 æ 5 19 B -1 = ç ç .) 0 15 10 zj . obtenemos su inversa.CN X N = 0 BX B + NX N = b XB. M.D.C. -1 En la tabla final (óptima) para calcular las columnas que forman la B ( B inversa) estas corresponderán a las columnas de las variables que en la tabla inicial aportarán las columnas para formar la matriz identidad.CB X B . XN ³ 0 desde : Z = C B B -1 b y X B + B -1 NX N = B -1 b Identificar B inversa en la tabla optima.

Héctor Martínez Rubin Celis 12 . Minimización. Minimización: Cuando Todos los valores de Zj-Cj £ 0. Obtener de la tabla los valores de las variables y de la función objetivo Z.Notas del Método Simplex Investigación de Operaciones I Proceso de Solución de un Problema de Programación Lineal por el Método Simplex Inicio Leer el Problema Determinar si es un problema de Maximización o de Minimización Añadir las Variables de Holgura y/o Artificiales para presentar el problema en la Forma Estándar Escribir la Función Objetivo correspondiente Crear la tabla del Simplex correspondiente Problema de: Maximización. ¿Son todos los valores de ZjCj ³ 0 ? Minimización. No Determinar la variable que entra en solución: Para un problema de : Maximización. Continuar el proceso M. y abandonara la solución aquella variable en XB que corresponda al cociente menor. Establezca como elemento pivote aquél que se encuentre en el cruce del renglón de la variable entrante y la columna de la variable saliente. ¿Son todos los valores de ZjCj £ 0 ? Si Solución Optima Maximización: Cuando todos los valores de Zj-Cj ³ 0. Determinar la variable que sale de solución: Divida cada elemento del renglón de b entre el elemento correspondiente (mayor que cero) del renglón de la variable que entra en solución.C. Genere en esta posición la unidad y ceros en los elementos restantes de la columna de la variable entrante ( en este proceso de Gauss-Jordan se actualiza la tabla). Entra la variable que en la fila de Zj-Cj tenga el valor mas positivo. Entra la variable que en la fila de Zj-Cj tenga el valor mas negativo.

Son definidas como un artificio (ya que es una conveniencia matemática para lograr la matriz identidad y así una solución inicial básica factible). lo que conduce al siguiente sistema: Ax + Xa = b x. Sujeto a: Ax + Xa = b x. suponga que deseamos resolver el siguiente problema de Programación Lineal. donde b ³ 0. Maximice CX Sujeto a: Ax = b x ³ 0. la función objetivo Z se ve alterada. se introduce un vector artificial xa. M. + M para un problema de minimización. Minimice CX + MXa.C. Donde M es un valor muy grande (mucho mayor que cualquier coeficiente de las variables en la función objetivo) por ejemplo: M >>> 0. trata de eliminar las variables artificiales de la base. Héctor Martínez Rubin Celis 13 .M para un problema de maximización. la función objetivo es modificada de la forma que una penalización alta es pagada para cualquier solución. Xa ³0 El método simplex por sí mismo. tales que haga su presencia no atractiva en la base. se les asigna en la función objetivo original coeficientes. Xa ³ 0 La solución inicial básica factible está dada por xa = b y x = 0. y por lo cual ninguna variable artificial deberá formar parte de una solución básica factible. Para ilustrar esto. ya que la contribución de las variables artificiales (coeficientes de las variables artificiales) es: .Notas del Método Simplex Investigación de Operaciones I MÉTODO DE LA “M” Este método es utilizado cuando existe la necesidad de introducir variables artificiales (xa ´s) con el objeto de generar una solución básica factible. Para mostrar que se desea tener un vector artificial mayor que cero. Para eliminar las variables artificiales de la solución. Si una conveniente base no es conocida. Aplicando el Método Simplex para su solución. Como las variables artificiales no tienen ningún significado en el problema. y entonces continua tratando de encontrar la solución optima a el problema original.

0x3 .x3 +x6 -x1 + x2 -x4 x2 +x5 donde : Xh son variables de holgura.C. M es un número positivo muy grande.Notas del Método Simplex Investigación de Operaciones I Ejemplo: Minimizar Sujeto a: Z = x1 . Héctor Martínez Rubin Celis 14 . Tabla 1 Cj CB M M 0 XB X6 X7 X5 Z= b 2 1 3 3M 1 X1 1 -1 0 0 -1 -2 X2 1 1 1 2M 2+2M 0 X3 -1 0 0 -M -M 0 X4 0 -1 0 -M -M 0 X5 0 0 1 0 0 M X6 1 0 0 M 0 M X7 0 1 0 M 0 =2 +x7 =1 =3 Sale X7 de solución Entra X2 en solución Tabla 2 Cj CB M -2 0 XB X6 X2 X5 Z= b 1 1 2 -2+M 1 X1 2 -1 1 2M+2 1+2M -2 X2 0 1 0 -2 0 0 X3 -1 0 0 -M -M 0 X4 1 -1 1 M+2 M+2 0 X5 0 0 1 0 0 M X6 1 0 0 M 0 M X7 -1 1 -1 -2-M -2-2M Sale X6 de solución Entra X1 en solución M.2x2 . Xa Son variables artificiales.0x4 + 0x5 + Mx6 + Mx7 Sujeto a: x1 + x2 .2x2 x1 + x2 ³ 2 -x1 + x2 ³ 1 x2 £ 3 x1 y x 2 ³ 0 transformando a la forma estándar tenemos : Minimizar Z = x1 .

Teniendo el resultado siguiente x4 = 2. Esta tabla nos indica que esta solución es óptima. x2 = 3. M.C.Notas del Método Simplex Tabla 3 Cj CB 1 -2 0 XB X1 X2 X5 Z= b 1/2 3/2 3/2 -5/2 1 X1 1 0 0 1 0 -2 X2 0 1 0 -2 0 0 X3 -1/2 -1/2 1/2 1/2 1/2 Investigación de Operaciones I 0 X4 1/2 -1/2 1/2 5/2 5/2 0 X5 0 0 1 0 0 M M X6 X7 1/2 -1/2 1/2 1/2 -1/2 3/2 -1/2 -3/2 -1/2-M -3/2-M Sale X1 de solución Entra X4 en solución Tabla 4 Cj CB 0 -2 0 XB X4 X2 X5 Z= b 1 2 1 -4 1 X1 2 1 -1 -2 -3 -2 X2 2 1 -1 -2 0 0 X3 -1 -1 1 2 2 0 X4 1 0 0 0 0 0 X5 0 0 1 0 0 M X6 1 1 -1 -2 -2-M M X7 -1 0 0 0 -M Sale X5 de solución Entra X3 en solución Tabla 5 Cj CB 0 -2 0 XB X4 X2 X3 Z= b 2 3 1 -6 1 X1 1 0 -1 0 -1 -2 X2 0 1 0 -2 0 0 X3 0 0 1 0 0 0 X4 1 0 0 0 0 0 X5 1 1 1 -2 -2 M X6 0 0 -1 0 -M M X7 -1 0 0 0 -M Como todos los zj-cj son £ 0 para todas las variables no-básicas. Héctor Martínez Rubin Celis 15 . x3 = 1 y las variables restantes son iguales a cero. Con un valor optimo de la función objetivo Z de -6.

Se asigna a cada coeficiente de la variable artificial en la función objetivo un valor de la unidad (positiva o negativa.. La segunda fase consiste en optimizar la función objetivo actual Z.C.. este deberá ser mucho mayor que cualquier otro número que aparece en la función objetivo y probablemente no satisfaga todas las condiciones. A todas las variables restantes se les asigna un coeficiente cero (sin importar los coeficientes actuales del problema). La primera fase consiste en convertir todas las variables artificiales en cero. El problema original tiene una solución no factible.Z* ¹ 0 Una o más variables artificiales están en la base a un nivel cero (es decir que la b correspondiente a la variable artificial es igual a cero). Si un valor numérico específico fuera asignado a la M.Z* = 0 Ninguna variable artificial está en la base..Notas del Método Simplex Investigación de Operaciones I MÉTODO DE LAS DOS FASES El problema del ejemplo anterior fue manejado en la forma regular después de que las variables artificiales habían sido añadidas. Se ha encontrado una solución básica factible al problema original. cuando: 1)... Héctor Martínez Rubin Celis 16 .. FASE I Se inicia con una solución básica factible formada con algunas variables artificiales y con la finalidad de eliminar las variables artificiales. ya que ellas realmente no pueden formar parte de la solución en un problema de la vida real. Existe una complicación en el método de la M. 2). dependiendo de si es un problema de Minimización o de Maximización respectivamente) en lugar del valor M. 3). Entonces en lugar de considerar la función objetivo actual.Z* = 0 Una o más variables están en la base a un nivel positivo. iniciando de una solución básica factible que puede o no contener variables artificiales a nivel cero.. Su propósito sería el de proveer una penalización para eliminar las variables artificiales de la base. en el cual se debe asignar un valor M sin especificar exactamente qué valor es. M. Un enfoque para evitar estas dificultades está incorporado o considerado en el método de dos fases..±XAs) donde XA son las s variables artificiales (XA ³ 0) La fase I termina después de haber aplicado el Método Simplex. Se optimiza la función: Z = å is =1(± 1) XAi = (±XA1 ±XA2 ± XA3. para obtener una solución básica factible para las variables reales del problema.

Héctor Martínez Rubin Celis 17 . Una vez que se han realizado estos cambios. X3. b) Cheque redundancia (ecuaciones redundantes) en el problema original. X5. La fase I termina cuando los elementos zj .2X4 + X5 .) FASE II La primera tabla de la fase II. y cero en el resto de la columna (es decir.C. sufriendo los siguientes cambios. c) Elimine las variables artificiales en la base. El sistema de ecuaciones original es Ax = b.X6 = 3 3X1 .X4 +X6 = 5 X1. la restricción es redundante. Debido a que algunas variables artificiales están en la base a un nivel cero.X3 + X4 . se aplica el Método Simplex nuevamente para optimizar la función objetivo Z.Notas del Método Simplex Investigación de Operaciones I Se ha encontrado una solución factible al problema original. de otra forma esta fila se hubiera eliminado en el paso b).X2 . Ejemplo: Minimizar Z = -X1 Sujeto a: X1 + X2 . por lo tanto elimine la fila y la columna. posiblemente haya redundancia en las ecuaciones restrictivas.2X3 .X3 . se genera en esa columna el vector necesario para eliminar la variable artificial de la solución. Seleccione uno de los elementos diferentes de cero en esta fila (debe de existir alguno. ANTES DE INICIAR LA FASE II a) Elimine todas las columnas correspondientes a las variables artificiales no básicas. estas variables estarán representadas por columnas que tienen elementos cero a excepción de un uno en la fila donde b=0.X5 +2X6 = 2 2X1 . X6 ³ 0 Expresándolo en la forma estándar. se reemplazan los coeficientes de la función objetivo por los coeficientes originales de las variables reales y después se calculan las filas zj y zj-cj. X4. Para localizar la existencia de ecuaciones redundantes observe en la tabla final de la fase I (después de haber eliminado las columnas correspondientes a las variables artificiales no básicas) si existe alguna fila cuyos elementos sean todos cero a excepción de un elemento 1 que corresponda a la columna de una variable artificial básica. es la última tabla de la fase I. X2. tenemos: M. Si una restricción (ecuación) puede ser obtenida como una combinación lineal de las otras. entonces esto indicará que la fila es redundante. en la tabla final de la fase I. transformando su columna correspondiente a tener el elemento 1 en el pivote.cj son ³ 0 para un problema de Maximización y £ para un problema de Minimización. Este elemento elíjalo como pivote.

0.4 -1 -1 -2 1 X9 0 0 1 1 0 Zj Zj-Cj Como todos los elementos en Zj-Cj son £ 0. Donde X7. Para establecer la tabla de la fase II. Héctor Martínez Rubin Celis 18 . El valor mínimo de la fase I es cero y por esto el problema es factible.5 1.6 -.5 -2 -3 1 X9 0 0 1 1 0 Sale X7 de solución Zj Zj-Cj Entra X6 en solución Tabla 3 Cj CB 0 0 1 XB X6 X1 X9 Z= b .5 -. 0.2).2X4 + X5 . .2 0 0 0 0 X3 -. elimine las columnas 7 M.2 .X3 .X5 +2X6 +X7 =2 2X1 .5 . Una solución factible para el problema original es (1.5 .5 0 X1 0 1 0 0 0 0 X2 1.5 -1 -1 0 X4 2 -1 2 4 4 0 X5 -1.5 -3 -3 0 X6 2.Notas del Método Simplex Investigación de Operaciones I Minimizar Z = -X1 Sujeto a: X1 + X2 .2 1.8 -.6 0 0 0 0 X4 .C.2 -1 -1 -2 1 X8 -.5 -.5 .6 0 0 1 X1 0 1 0 0 0 -2 X2 .4 .X3 + X4 . 0.X6 + X8 =3 3X1 .5 5 5 1 X7 1 0 0 1 0 1 X8 -.2 -.5 3 3 0 X3 -.5 -. FASE I Tabla 1 Cj CB 1 1 1 XB X7 X8 X9 Z= b 2 3 5 0 X1 1 2 3 6 6 0 X2 1 -1 0 0 0 0 X3 -1 -1 -2 -4 -4 0 X4 1 -2 -1 -2 -2 0 X5 -1 1 0 0 0 0 X6 2 -1 1 2 2 1 X7 1 0 0 1 0 1 X8 0 1 0 1 0 1 X9 0 0 1 1 0 Sale X8 de solución Zj Zj-Cj Entra X1 en solución Tabla 2 Cj CB 1 0 1 XB X7 X1 X9 Z= b .2 0 0 0 0 X6 1 0 0 0 0 1 X7 . la fase I esta terminada.6.5 1.2X3 .5 2.X4 +X6 + X9 = 5 X´s ³ 0. X8 Y X9 son variables artificiales.X2 .5 -1.5 -.5 -1. 0. para toda X.6 .6 0 0 0 0 X5 -.

2 -. principio de la FASE II FASE II Cj CB 0 -1 XB X4 X1 Z= b .2 -.2 0 X3 -.6 0 X5 -.6 . Se elimina la fila 3 y la columna 7 (X9). M.75 . asigne los coeficientes originales en la función objetivo y calcule las entradas de la fila Zj-Cj (en la variable artificial cero). Cj CB 0 -1 XB X6 X1 Z= b . la fila es eliminada por ser redundante.25 0 X6 1.Notas del Método Simplex Investigación de Operaciones I y 8.6 -.75 .75 -.25 -.2 0 -.2 0 X6 1 0 0 0 Sale X6 de solución Zj Zj-Cj Entra X4 en solución Fin FASE I.25 1.6 .25 .25 -.8 -.2 0 X6 1 0 0 0 0 0 X9 0 0 1 0 0 Zj Zj-Cj Como todos los elementos en la tercera fila son cero.8 -.6 .6 0 X5 -.2 -.75 Zj Zj-Cj Entra X3 en solución La columna muestra que el problema es ilimitado (los elementos en la columna correspondiente a la variable entrante son £ 0.2 1.6 0 0 -1 X1 0 1 0 -1 0 0 X2 . Héctor Martínez Rubin Celis 19 .2 -.75 -.6 .2 1.6 -. Cheque en el problema original y encontrará que la tercera ecuación es la suma de las dos primeras ecuaciones.6 . por tanto la solución es ilimitada (Z = -a ).25 0 X3 -.6 0 X4 .75 .2 0 X3 -. excepto por un 1 que representa la variable artificial X9.75 0 X4 1 0 0 0 0 X5 -.6 0 X4 .6 .6 0 .75 -.25 -.6 .2 .25 . yrj £ 0).2 .2 0 .6 0 .75 1.25 -.C.6 .6 0 -1 X1 0 1 -1 0 0 X2 .75 -1 X1 0 1 -1 0 0 X2 . Cj CB 0 -1 0 XB X6 X1 X9 Z= b .2 -.2 .

Cualquier base que incluya alguna columna de A que sea dependiente de la columna de b determinará una solución degenerada. Forma tabular: M.Ck = Min (Zj . yik < 0 ý þ Vector que entra en la base: Zk . Héctor Martínez Rubin Celis 20 . Para saber en la tabla si existe degeneración. es suficiente con observar en la columna de b y saber si existe uno o más elementos iguales a cero. en la mínima razón XBr/Yrk puede no ser única. Vector saliente de la base: xBr yrk ìx = min i í Bi î yik i ü . Ejemplo: Maximizar Z = X2 Sujeto a : X1 + X2 ³ 1 1/3X1 + X2 £ 1 X1. y la nueva solución básica será factible (y degenerada). para un problema de Maximización.C. el proceso de selección de la variable saliente. Se ha visto que cualquiera de las variables correspondientes al mínimo puede ser removida. Cuando la degeneración se presenta.MX5 sujeto a : X1 + X2 -X3 +X5 1/3X1 + X2 +X4 =1 =1 donde X3 Y X4 son variables de holgura y X5 es una variable artificial.Notas del Método Simplex Investigación de Operaciones I DEGENERACIÓN Una solución básica a Ax = b es degenerada si una o más de las variables básicas son cero ( si alguna XB = 0). X2 ³ 0 Forma estándar Maximizar Z = X2 .Cj ) . Una solución básica factible representa a b como una combinación lineal de m columnas de A.

Teniéndose que x2 = 1. x3 = 0 y Z* = 1.C. y nunca alcanzar la solución optima. se puede caer en la situación en la cual se ciclaje el problema. CICLAJE Cuando la degeneración se presenta. En efecto. Entonces no se puede estar seguro que una base no se repita. Héctor Martínez Rubin Celis 21 . ya que en XB hay una variable a nivel cero. M. repitiéndose las mismas secuencias de bases solución. la función objetivo puede no cambiar cuando hay un cambio de una solución básica factible a otra.Notas del Método Simplex Tabla 1 Cj CB -M 0 XB X5 X4 Z= b 1 1 -M 0 X1 1 1/3 -M M 1 X2 1 1 -M M+1 0 X3 -1 0 M -M 0 X4 0 1 0 0 -M X5 1 0 -M 0 Investigación de Operaciones I Sale X5 de solución Zj Cj-Zj Entra X2 en solución Tabla 2 Cj CB 1 0 XB X2 X4 Z= b 1 0 1 0 X1 1 -2/3 1 -1 1 X2 1 0 1 0 0 X3 -1 1 -1 1 0 X4 0 1 0 0 -M X5 1 -1 1 -1-M Sale X4 de solución Zj Cj-Zj Entra X3 en solución Tabla 3 Cj CB 1 0 XB X5 X4 Z= b 1 0 1 0 X1 1/3 -2/3 1/3 -1/3 1 X2 1 0 1 0 0 X3 0 1 0 0 0 X4 1 1 1 -1 -M X5 0 -1 0 -M Zj Cj-Zj La solución óptima es degenerada.

1/3X6 .2X7 X3 + 2X4 + 3X5 .9X5 + X6 + 9X7 X2 +1/3X4 + X5 .12X7 = 2 X´s ³ 0.C. Héctor Martínez Rubin Celis 22 .X6 .Notas del Método Simplex Investigación de Operaciones I Ejemplo: Minimizar Z = -2X4 -3X5 + X6 +12X7 Sujeto a : X1 . =0 =0 Tabla 1 Cj CB 0 0 0 XB X1 X2 X3 Z= b 0 0 2 0 0 X1 1 0 0 0 0 0 X2 0 1 0 0 0 0 X3 0 0 1 0 0 -2 X4 -2 1/3 2 0 2 -3 X5 -9 1 3 0 3 1 X6 1 -1/3 -1 0 -1 12 X7 9 -2 -12 0 -12 Sale X2 de solución Entra X5 en solución Tabla 2 Cj CB 0 -3 0 XB X1 X5 X3 Z= b 0 0 2 0 0 X1 1 0 0 0 0 0 X2 9 1 -3 -3 -3 0 X3 0 0 1 -3 0 -2 X4 1 1/3 1 1 1 -3 X5 0 1 0 -3 0 1 X6 -2 -1/3 0 1 0 12 X7 -9 -2 6 6 -6 Sale X1 de solución Entra X4 en solución Tabla 3 Cj CB -2 -3 0 XB X4 X5 X3 Z= b 0 0 2 0 0 X1 1 -1/3 -1 -1 -1 0 X2 9 -2 -12 -12 -12 0 X3 0 0 1 0 0 -2 X4 1 0 0 -2 0 -3 X5 0 1 0 -3 0 1 X6 -2 1/3 3 3 2 12 X7 -9 2 15 15 3 Sale X5 de solución Entra X7 en solución M. para toda X.2X4 .

C. M. X3). teniéndose como resultado que el problema se ha ciclado.Notas del Método Simplex Tabla 4 Cj CB -2 12 0 XB X4 X7 X3 Z= b 0 0 2 0 0 X1 -2 -1/3 0 0 0 0 X2 -2 -2 -6 -6 -6 0 X3 0 0 1 0 0 Investigación de Operaciones I -2 X4 1 0 -2 -2 0 -3 X5 9 1 -3 -3 -3 1 X6 1 1/3 1 2 1 12 X7 0 1 12 12 0 Sale X4 de solución Entra X6 en solución Tabla 5 Cj CB -2 12 0 XB X6 X7 X3 Z= b 0 0 2 0 0 X1 -2 1/3 2 2 2 0 X2 9 1 3 3 3 0 X3 0 0 1 0 0 -2 X4 1 -1/3 -1 -3 -1 -3 X5 9 -2 -12 -15 -12 1 X6 1 0 0 1 0 12 X7 0 1 0 12 0 Sale X7 de solución Entra X2 en solución Tabla 6 Cj CB 1 0 0 XB X6 X2 X3 Z= b 0 0 2 0 0 X1 1 1/3 1 1 1 0 X2 0 1 0 0 0 0 X3 0 0 1 0 0 -2 X4 -2 -1/3 -2 1 -3 X5 -9 -2 -6 -9 -6 1 X6 1 0 0 1 0 12 X7 0 1 -3 0 -12 Sale X6 de solución Entra X1 en solución Como X1 entra a la base. la cual ya fue obtenida en la tabla 1. Héctor Martínez Rubin Celis 23 . X2. la nueva base estará formada por (X1.

Notas del Método Simplex Investigación de Operaciones I METODO LEXICOGRAFICO El problema de ciclaje puede ser resuelto utilizando una regla que rompa los empates en ( x Br / y rj ) para determinar la variable que abandona la solución. Ignorar todas las filas que no tengan el valor más bajo. esta será la fila pivote. a i1 a k1 a t1 a i1 a ij a k 1 a kj a t1 a tj ai2 ak 2 at 2 a i 2 a ij a k 2 a kj a t 2 a tj L L L L L L a ij a kj a tj * 1 1 1 L L L L L L a in a kn a tn a in a ij a kn a kj a tn a tj x Bi y ij x Bk y kj x Bt y tj La columna señalada con * es la columna pivote (corresponde a la variable que entra en solución). Como las filas son linealmente independientes ningún par de filas divididas son idénticas. divida cada fila potencial (en empate) entre su similar en fila de la columna pivote. Si únicamente una fila queda. se tiene un empate. si quedan más pruebe en las columnas adicionales.cj Entra en Solución X7 Existe un empate entre estas 2 filas por lo que se deberán analizar con el método lexicográfico para determinar la variable que deberá abandonar la solución. Héctor Martínez Rubin Celis 24 .C. M. Encuentre la primera columna donde se rompa el empate. Ejemplo: Trabájese el ejemplo de ciclaje cubierto previamente y pártase de las tablas 2 c j 0 0 0 -2 -3 1 12 cB xB b x1 x2 x3 x4 x5 x6 x7 xBr yrj 0 x1 0 1 9 0 1 0 -2 -9 01 -3 x5 0 0 1 0 1 3 1 -1 3 -2 0 1 3 0 x3 2 Z 0 0 0 0 -3 -3 -3 2 0 0 1 1 1 0 -3 0 0 1 0 6 6 -6 21 zj z j . Esta regla es denominada lexicográfica y su procedimiento es el siguiente: Si cuando se realiza la prueba para determinar el vector correspondiente a la variable que sale de la base de solución.

c j existen 6 elementos iguales que cero.C.12 0 x Br y rj --21 zj zj . M.cj Entra x 6 en solución Sale de solución x 3 cj cB 0 -2 1 xB x1 x4 x6 b 2 2 2 Z 0 0 x1 1 0 0 0 0 0 x2 0 -3 -6 0 0 0 x3 1 1 1 -1 -1 -2 x4 0 1 0 -2 0 -3 x5 -4 0 -3 -3 0 1 x6 0 0 1 1 0 12 x7 -3 -6 0 .c j iguales que cero. cj cB 0 -2 0 xB x1 x4 x3 b 0 0 2 Z 0 0 x1 1 0 0 0 0 0 x2 6 3 -6 -6 -6 0 x3 0 0 1 0 0 -2 x4 1 1 0 -2 0 -3 x5 -1 3 -3 -6 -3 1 x6 -1 -1 1 2 1 12 x7 -3 6 0 12 0 x Br y rj --21 zj zj . Es decir que cualquiera de las variables no-básicas que tienen un valor cero en la fila z j .c j puede entrar a formar parte de la solución y el valor de la función objetivo Z no cambiará. ( m = 3 Si existen más de m elementos en la fila z j .c j son menores o iguales que cero la solución es óptima. Héctor Martínez Rubin Celis 25 .cj Como todos los elementos en la fila z j . por lo que existirá una solución múltiple. por lo que sale de solución x 5 . Observe que en la fila z j . existe una solución básica factible múltiple).Notas del Método Simplex x1 11 0 13 x2 91 1 13 x3 01 0 13 x4 1 1 x5 01 1 13 x6 -21 -1 Investigación de Operaciones I x7 -91 -2 13 primera fila segunda fila Analizando de izquierda a derecha encontramos que en la primera columna se rompe el empate ya que la fila 2 es menor que la fila 1 (0 es menor que 1).

X2 ≥ 0 M. Esta situación se refleja en que todos los elementos en la columna correspondiente a la variable elegida a entrar en la solución (menor vector Zj .2X2 + X3 + X5 = 2 X’s ≥ 0 En cierta tabla encontramos qué Cj 1 -1 CB XB B X1 X2 1 X1 10/3 1 0 -1 X2 2/3 0 1 1 -1 0 0 1 X3 5/3 1/3 4/3 1/3 0 0 X4 X5 -2/3 1/3 --1/3 -1/3 --1/3 2/3 Zj -1/3 2/3 Zj-Cj La Y4<0. SOLUCIÓN MÚLTIPLE Cuando soluciones diferentes originen un mismo valor en la función objetivo se dice que existen soluciones múltiples.Notas del Método Simplex Investigación de Operaciones I SOLUCIÓN ILIMITADA Esta ocurre cuando el espacio de soluciones factibles no está acotado y la función a optimizar puede mejorar indefinidamente.Cj £ 0. entonces esa variable puede ser introducida en la base sin cambiar el valor de la función objetivo. Ejemplo: Max Z = 40 X1 + 1000 X2 Sujeto a: 10 X1 + 5 X2 ≤ 250 4 X1 + 10 X2 ≤ 200 2 X1 + 3 X2 ≤ 900 X1.O. Ejemplo: Max Z=X1-X2+X3 Sujeto a: X1 + X2 + 2X3 ≥ 4 X1 . Max Z=X1-X2+X3 X1 + X2 + 2X3 .Cj a nivel cero.C. Héctor Martínez Rubin Celis 26 . Es decir cuando alguna otra variable aparte de las variables básicas que se encuentre en la fila Zj .X4 = 4 X1 . para un problema de Maximización) son no positivos (yrj £ 0). X4 -2/3 -1/3 X4 entra en solución Y como todos los valores de la Y4 son negativos se dice que la Solución es Ilimitada.2X2 + X3 ≥ 2 X’s ≥ 0 F.

Esto significa que puede entrar X1 en solución y el valor de la función objetivo Z* no cambia M.C. entonces existe una solución optima múltiple. Héctor Martínez Rubin Celis 27 . X2 ≥ 0 X3.Notas del Método Simplex Max Z = 40 X1 + 1000 X2 Sujeto a: 10 X1 + 5 X2 + X3 ≤ 250 4 X1 + 10 X2 + X4 ≤ 200 2 X1 + 3 X2 + X5 ≤ 900 X1. X5 Variables de holgura Investigación de Operaciones I CB 0 0 0 XB X3 X4 X5 Cj 40 100 0 0 0 B X1 X2 X3 X4 X5 250 10 5 1 0 0 50 200 4 10 0 1 0 20 900 2 3 0 0 1 300 0 0 0 0 0 Zj -4 -100 0 0 0 Zj-Cj Entra en solución x2 y sale x4 Cj 40 100 0 0 0 B X1 X2 X3 X4 X5 150 8 0 1 -1/2 0 150/8 20 2/5 1 0 1/10 0 50 840 4/5 0 0 -3/10 1 1050 40 100 0 10 0 Zj 0 0 0 10 0 Zj-Cj CB 0 100 0 XB X3 X2 X5 Como todos los valores Xbr son ≥ 0 se tiene la solución optima Z* = 2000 X3* = 150 X2* = 20 X5* = 80 Como Z1 – C1 =0 y corresponde a una variable no básica. X4.

f £ -f* de esto obtenemos que : Max (-f) = -f*. Héctor Martínez Rubin Celis 28 .Notas del Método Simplex Cj 40 100 0 0 0 XB B X1 X2 X3 X4 X5 X3 150/8 1 0 1/8 -1/16 0 X2 50/4 0 1 -1/20 1/8 0 X5 650/2 0 0 1/50 -2/5 1 40 100 0 15/9 0 Zj 0 0 0 15/9 0 Zj-Cj Investigación de Operaciones I CB 40 100 0 Solución Óptima Z* = 2000 X1* = 150/8 X2* = 50/4 X5* = 1650/2 CONVERSIÓN DE UN PROBLEMA DE MINIMIZACIÓN A UN PROBLEMA DE MAXIMIZACIÓN Sea f una serie de puntos en la región de soluciones básicas factibles. entonces f* £ f y si pasamos f al lado izquierdo tenemos : f* .f £ 0 -f* -(-f) ³ 0. además . M.Min f.C. elíjase una tal que: Min f = f*. y multiplicando a la expresión por -1 -f* ³ f. por lo tanto sustituyendo en 1 tenemos: Max (-f) = .

c j ). ykj sea ésta x f .C equivale a wi a j .Notas del Método Simplex Investigación de Operaciones I PROCEDIMIENTO SIMPLEX REVISADO Este método requiere una menor cantidad de cálculos. c B B . Pasos: ¨ Determinar las variables básicas y formar B. Ahora actualice la columna a k para que ésta aporte la columna de la matriz identidad que aportaba la variable saliente x f . ¨ Determinar la variable que entra en solución (sea esta x k ) usando WA-C para toda variable no-básica ( wi a j . Base de la inversa W=c B B-1 Lado derecho CB X B XB B-1 M. ¨ Regresar al principio del proceso. aij y b i). ¨ Se analiza xBi (para toda i) para determinar que la variable sale de solución.c j £ 0 para un problema de minimización o z j . B . entonces Z = c B B A equivale a z j = c B B a j y -1 -1 -1 si W = c B B -1 entonces ahora WA .c j .C. realizar los cálculos necesarios para sacar de la base a x f y meter a la misma x k (actualice la columna a k para que esta aporte la columna de la matriz identidad que aportaba la variable saliente x f ). ya que realiza cálculos únicamente en los vectores de aquellas variables no-básicas y registra en memoria lo -1 -1 relativo a las variables básicas. x B y c B x B (así como todos los valores iniciales cj. -1 ¨ Obtener z j .c j = z j . Procedimiento: Si Z = c B X B donde X B = B A . Héctor Martínez Rubin Celis 29 .c j = wa j . Si esto no se cumple continúe el proceso. Donde W = c B B Si z j .C = Z . -1 ¨ Obtener B .c j ³ 0 para un problema de maximización la solución es óptima y es el fin del proceso.c j .

Héctor Martínez Rubin Celis 30 .[5 2ú û 3] = [.5 3] por lo que entra en solución x1 . x 2 ³ 0 Así: x1 é3 A=ê ë5 x2 5 2 x3 1 0 x4 0ù 1ú û C = [5 3 0 0] é15ù b=ê ú ë10û Analizando para todas las variables no-básicas: x1 z j . Tabla 1 y1 0 0 1 0 0 1 0 15 10 x3 x4 -5 3 5 ¬ Sale x 4 Generando en la columna de la variable entrante la columna necesaria para formar la matriz identidad (la que aportaba la variable saliente x 4 ) se tiene: M.c j = WA .C = [0 é3 0]ê ë5 x2 5ù .C.ck y1k y 2k M y mk Ejemplo 1: Max Z = 5 x1 + 3 x 2 Sujeto a: 3 x1 + 5 x 2 £ 15 5 x1 + 2 x 2 £ 10 x1 .Notas del Método Simplex Investigación de Operaciones I Tablas en el proceso W B -1 CB X B x B1 xB2 M x Bm xk z k .

Héctor Martínez Rubin Celis 31 .c j = WA . Como todos los valores son mayores que cero la solución óptima se ha alcanzado.Notas del Método Simplex 0 1 0 1 -3 5 15 10 9 2 Investigación de Operaciones I x3 x1 Analizando para todas las variables no-básicas: x2 x4 é5 0ù z j .[3 0] = [ -1 1] ë2 1û por lo que entra en solución x 2 .c j = WA . Tabla 2 y2 0 1 0 1 -3 5 15 10 9 2 x3 x1 -1 19 5 ¬ Sale x3 25 Generando en la columna de la variable entrante la columna necesaria para formar la matriz identidad (la que aportaba la variable saliente x 3 ) se tiene: 5 19 5 19 .2 19 16 19 .[0 1ú û 0] = [5 19 16 19].C = [ 0 1] ê ú .C. Solución óptima: Z = 325 19 x1 = 20 19 x 2 = 45 19 M.3 19 5 19 235 19 45 19 20 19 Analizando para todas las variables no-básicas: x3 z j .C = [5 19 é1 16 19]ê ë0 x4 0ù .

2 .[3 2 0 0] .M ] .[3 2 0 0] ú 1 0 0ú û .c j = z j .c j = WA .C. Héctor Martínez Rubin Celis 32 .3 4 M .c j = WA .M Entra en solución x1 por tener el valor más positivo.c j = WA .c j = z j .M] C B B a j .c j = z j .x 3 + x6 =3 4 x1 + 3 x 2 .Notas del Método Simplex Ejemplo 2: Método de la M Min Z = 3 x1 + 2 x 2 Sujeto a: Investigación de Operaciones I 3 x1 + x 2 ³ 3 4 x1 + 3 x 2 ³ 6 x1 + x 2 £ 3 x1 .C = [7 M -1 é3 0]ê4 ê ê ë1 0ù 3 0 .x4 + x7 = 6 x1 + x 2 + x5 =3 x 6 y x 7 son variables artificiales Así: x1 é3 A = ê4 ê ê ë1 x2 1 3 1 x3 x4 x5 0 0 1 x6 1 0 0 x7 0ù 1ú ú 0ú û -1 0 0 -1 0 0 C = [3 2 0 0 0 M M] é3ù b = ê6ú ê ú ê3û ú ë Analizando para todas las variables no-básicas: x1 C B B a j . x 2 ³ 0 3 x1 + x 2 .M .1ú .C = [M -1 x2 1 x3 -1 x4 M 4M C B B -1 a j . M.C = [7 M .

c j = z j .4 3M +1 13 -43 -1 3 M 0 1 0 0 0 0 1 2M + 3 1 2 2 Analizando para todas las variables no básicas: x2 CB B a j .c j = WA .1 4 3 M .[2 0 0 M ] 0ú û CB B -1a j .c j = WA .Notas del Método Simplex Tabla 1 Investigación de Operaciones I M 1 0 0 M 0 0 0 1 0 0 1 9M 3 6 3 x6 x7 x5 y1 7M . Tabla 2 é1 0] ê ê4 ê ë1 -4 3 M ] .1 .c j = z j .1 .C = [5 3 M .M CB B -1a j .C = [ -4 3 M + 1 M -1 x3 -1 0 0 x4 0 -1 0 x6 1ù 0ú ú .M Entra en solución x 2 por tener el valor más positivo.[ 2 0 0 M ] -4 3 M + 1] y2 .C. Héctor Martínez Rubin Celis 33 .C = [5 3 M + 1 -4 3 M .3 3 4 1 ¬ Sale x 6 Generando en la columna de la variable entrante la columna necesaria para formar la matriz identidad (la que aportaba la variable saliente x 6 ) se tiene: .c j = z j .c j = WA .4 3M +1 13 -43 -1 3 M 0 1 0 0 0 0 1 2M + 3 1 2 2 x1 x7 x5 5 3M -1 13 53 23 Generando en la columna de la variable entrante la columna necesaria para formar la matriz identidad (la que aportaba la variable saliente x 7 ) se tiene: M.

x 6 .c j = WA .x 4 + x5 =6 + 3x3 .c j = WA .x6 + x7 = 2 x1 . x 4 ³ 0 + x3 . x 3 . x 2 . x 7 ³ 0 donde x 5 y x 6 son variables de holgura y x 7 es una variable artificial.M 3 5 .C.2 x 2 + x 3 .c j = WA .M ] Se ha alcanzado la solución óptima por ser todos los valores negativos. Héctor Martínez Rubin Celis 34 .c j = z j .C = [ -1 5 . FASE I Así: M.c j = z j .x 4 Sujeto a: x1 2 x1 + 4x2 + x2 x1 + 4 x 2 + x 3 . Solución óptima: Z = 21 5 x1 = 3 5 x2 = 6 5 x5 = 6 5 Ejemplo 3: Método de las 2 Fases Max Z = x1 . x 5 . x 3 .3 5 1 5 3 5] .[0 0 M ê ë 0 0 0 0ú û -1 CB B a j .c j = z j . x 4 .[ 0 0 M M ] CB B -1a j .C = [1 5 3 5 0] ê 0 -1 0 1 ú ú .3 5 1 5 .C = [ -1 5 .3x 4 .x 4 £ 6 2 x1 + x 2 + 3 x 3 .Notas del Método Simplex Investigación de Operaciones I 15 35 -45 15 35 -1 5 35 -2 5 0 0 0 1 21 5 35 65 65 x1 x2 x5 Analizando para todas las variables no-básicas: x3 x4 -1 x6 x7 M] 1 0ù é-1 0 ê CB B a j .3 x 4 ³ 2 x1 . x 2 .

1 -1 0 0] y se recalcula la tabla con los valores verdaderos de M.C.[0 1ú û 0 0 0 .c j = WA .1 . FASE II Ahora C = [5 .C = [0 x2 x3 x4 x6 0ù .3 3 0] Por lo que entra en solución x 3 .2 . Héctor Martínez Rubin Celis 35 .Notas del Método Simplex Investigación de Operaciones I x1 é1 A=ê ë2 x2 4 1 x3 1 3 x4 -1 -3 x5 1 0 x6 0 -1 x7 0ù 1ú û C = [0 0 0 0 0 0 .1]ê 1 3 -3 ë2 z j .c j = WA . Tabla 1 0 -1 -2 y3 -3 1 0 0 1 6 2 x5 x7 1 3 ¬ Sale x 7 Generando en la columna de la variable entrante la columna necesaria para formar la matriz identidad (la que aportaba la variable saliente x 7 ) se tiene: 0 0 0 16 2 3 1 0 -1 3 1 3 x5 x3 3 Analizando para todas las variables no-básicas: x1 é1 z j .C = [.1] 4 1 -1 é1 .C = [ 0 0] ê ë2 x2 4 1 x4 -1 -3 x6 0 -1 x7 0ù .2 las c j .c j = WA .[ 0 0 0 -1 -1] = [ 0 0 0 1 1] 1ú û Como todos los valores son iguales a cero se ha alcanzado el final de la Fase I.1] é6ù b=ê ú ë2û Analizando para todas las variables no-básicas: x1 z j .

Héctor Martínez Rubin Celis 36 .[5 ] Entra x 4 en solución por tener el valor más negativo.5 2 -5 2 x3 x4 ]é ê 2 4 ë1 -15 2 1 -1 3 -3 -5 2 15 ] .C = [0 z j .2 1ú û .Notas del Método Simplex Investigación de Operaciones I x1 z j .13 ] Entra x1 en solución por tener el valor más negativo.C = [ 2 3 1 3 x2 4 1 1 3 x4 -1 -3 x6 0ù .[ 5 -2 -1 1ú û -2 -1 0] 7 3 ] ê2 ë -1 é1 1 3 ] .c j = WA .C = [ 0 z j .C = [.C.c j = WA .c j = WA . Tabla 2 y1 0 1 0 1 3 -1 3 1 3 2 3 13 3 16 2 3 x5 x3 1 3 2 3 3 ¬ Sale x 3 Generando en la columna de la variable entrante la columna necesaria para formar la matriz identidad (la que aportaba la variable saliente x 3 ) se tiene: 0 1 0 -5 2 5 5 1 -1 1 2 2 x5 x1 x6 0ù .[5 0] = [ -13 3 0 . 0 5/ 2 1 0 -1 1 2 5 y4 13 2 x5 x1 1 2 2 2 5 1 ¬ Sale x5 -3 Generando en la columna de la variable entrante la columna necesaria para formar la matriz identidad (la que aportaba la variable saliente x5 ) se tiene: M.c j = WA .[.2 -1 1 -1 0] = [ 1 2 0] 13 2 -13 2 -5 2 Analizando para todas las variables no-básicas: x2 z j .

C = [13 .C = [48 1 . Solución óptima: Z * = 70 x * 4 = 10 x *1 = 16 M.C.3 .[5 .1 4] .4 2 -1 3 -1 10 16 x4 x1 Analizando para todas las variables no-básicas: x 2 x3 x 4 x6 é4 z j .Notas del Método Simplex Investigación de Operaciones I 70 13 . Héctor Martínez Rubin Celis 37 .2 1 .2 .4]ê ë1 0ù .[.1 0] = [43 3 0 4] 1 -1 Como todos los valores son mayores que cero la solución óptima se ha alcanzado.1 0] 3 .c j = WA .1ú û z j .c j = WA .

yi .x B ? a) Seleccione la variable entrante xk b) Seleccione la variable saliente xr .k > 0} yr .k CB X B B -1 x B1 xB2 M x Bm xk z k . c) Agregue la columna de xk W ì xr ïx = min í Bi . k ï î yi .C.ck y1k y 2k M y mk d) Pivotee en yr.Notas del Método Simplex Investigación de Operaciones I ¿Cómo calcular la reducción de costos de las variables básicas? z j -c j = Wa j . Héctor Martínez Rubin Celis 38 . cB . W.k xk Nueva W Nueva B -1 Nuevo CB X B Nueva xk 0 0 M 1 fila r 0 M.c j donde j corresponde a las variables no-básicas ¿Cómo calcular la columna de yj asociada a la variable xj que entra en solución? y k =B-1a k ¿Cómo actualizar B-1 .