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

.Notas del Método Simplex Gauss-Jordan Tercero Se obtiene XB. Y . 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 . M. 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. ç Y . Héctor Martínez Rubin Celis 4 ..C... 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. 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... 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.

hasta que se cumpla el criterio de optimización. x 2 ³ 0 Forma estándar Max Z = 5 x1 + 3 x 2 . x 3 x 4 ³ 0 y x 3 . 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). x 2 . 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. ö ÷ ÷ abandona la base de ø Séptimo Regresar al paso 2. Ejemplo: Forma canónica Max Z = 5 x1 + 3 x 2 . Héctor Martínez Rubin Celis 5 .C.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. considerado en el paso 4. sujeto a : 3 x1 + 5 x 2 £ 15 5 x1 + 2 x 2 £ 10 x1 . sujeto a : 3 x1 + 5 x 2 + x 3 5 x1 + 2 x 2 = 15 + x 4 = 10 x1 .

yrj > 0ý = Min ï ï y rj î yrj þ y el próximo valor Z ( Z mejorada) será: ˆ = Z + x 4 (c .z ) = 0 + 10 (5 .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 .C. 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 . Así.c 2 = 0 . yrj > 0 ý = Min í .c1 = 0 . ý = í ý ¬ 4 í .0) = 10 Z 1 1 y 21 5 el c j . por lo que x 4 sale de solución. Analizando la variable que sale de solución: ì ü x ì15 10 ü ì10 ü ï xB1 xB 2 ï . la variable entrante será x1 . por cada unidad que tenga la variable entrante a la solución.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. la función objetivo se verá mejorada en c j . 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.cj < 0 é5 ù z 2 = C B y 2 = [0 0]ê ú = 0 ë 2û z 2 .3 = -3 se toma el z j .3 5ù 15 ú û x2 = x4 = 0 . (Donde r es la fila en cuestión y j corresponde a la variable que entra en solución.z j es una razón de cambio.5 = -5 ì xBi ü x Br ï = Min ï í .z j unidades. Héctor Martínez Rubin Celis 6 .) z1 .c j más negativo.

y ij > 0ý = í ý¬ y rj y12 î19 5 2 5 þ î19 5 þ por lo que x 3 sale de solución. [ ] 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 .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 . Se analiza ahora la variable que abandonará la solución.c4 = 1 .3 5ù ¬ y14 ê ú=ê ú 15 ú û ë1û ë 1 5 û ¬ y 24 é19 5ù é .3 5ù .2 19 .0 = 1 se toma nuevamente aquella variable que tenga el z j .3 19ù 5 19 ú û x3 = x 4 = 0 .c j más negativo.z ) = 10 + 45 19 (3 . y el próximo valor de Z ( Z mejorada) será: Nuevamente continuando con este proceso iterativo.2 19û ¬ y 23 M.c 2 = 2 . tenemos: ˆ = Z + x2 (c .2 19 y é 5 19 B -1 = ê ë. Héctor Martínez Rubin Celis 7 .3 5ù é0ù é.3 19 ù é15 ù é 45 19 ù ¬ x 2 = x B1 .C. correspondiendo a x 2 salir de solución. x Br x3 ì 9 ü ì 9 ü 2 = Min í . z4 . ahora haciendo b1 = a 2 y b2 = a1 .3 19ù é1ù é 5 19 ù ¬ y13 ê ú=ê ú 5 19 ú û ë0û ë.2 19 . 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. .2) = 235 Z 2 2 y12 19 é5 3ù B=ê ú ë2 5û é 5 19 x B = B -1 b = ê ë .3 5ù é5ù é19 5ù ¬ y12 ê 2ú = ê 2 5 ú ¬ y 15 ú ûë û ë û 22 .3 = -1.

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

tenemos. C B = Vector formado por los componentes de C correspondientes a la Solución Básica Factible. Max 5 x1 + 3x 2 .C. z j = CB X B z j .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). Héctor Martínez Rubin Celis 9 .c j y rj = Componente del vector que va a formar parte de la nueva Solución Básica Factible. sujeto a : 3 x1 5 x1 + + 5x 2 2x2 £ 15 £ 10 x1 .c j = CB X B . Ejemplo: Resolviendo el ejemplo anterior por la forma tabular. x 2 ³ 0 M.cj X B = Vector que representa la Solución Básica Factible. b = Valor de las variables básicas (en solución). Z * = Valor actual de la Función Objetivo.

Héctor Martínez Rubin Celis 10 . se observa que: 1.2 19 5 19 5 19 0 x4 . x 2 = 45 19 .C.cj b yrj 235 19 como todos los z j . x 3 = 0 .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 .3 19 5 19 16 19 16 19 zj z j .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 . Las columnas de las variables básicas forman la matriz identidad M.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 . x1 = 20 19 y Z * = 235 19 En resumen. 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.

CB X B .C N B -1 N b C B B -1 b B -1 b Min Z sujeto a : Z .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.C. En el caso del problema usado como ejemplo x2 x1 x3 æ 5 19 B -1 = ç ç .D. 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. obtenemos su inversa. M.CN X N = 0 BX B + NX N = b XB.2 19 è x4 .) 0 15 10 zj .c j x3 x4 Interpretación de la tabla del simplex Z XB 0 1 Z XB 1 0 Xn C B B -1 N .cj 1 0 0 ¬ Fila de z j .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 . -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.

Establezca como elemento pivote aquél que se encuentre en el cruce del renglón de la variable entrante y la columna de la variable saliente. Entra la variable que en la fila de Zj-Cj tenga el valor mas negativo. Obtener de la tabla los valores de las variables y de la función objetivo Z. Minimización: Cuando Todos los valores de Zj-Cj £ 0. Entra la variable que en la fila de Zj-Cj tenga el valor mas positivo. ¿Son todos los valores de ZjCj ³ 0 ? Minimización. ¿Son todos los valores de ZjCj £ 0 ? Si Solución Optima Maximización: Cuando todos los valores de Zj-Cj ³ 0. 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).C. Continuar el proceso M.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. No Determinar la variable que entra en solución: Para un problema de : Maximización. 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. y abandonara la solución aquella variable en XB que corresponda al cociente menor. Héctor Martínez Rubin Celis 12 . Minimización.

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

M es un número positivo muy grande.0x3 .0x4 + 0x5 + Mx6 + Mx7 Sujeto a: x1 + x2 .2x2 . Xa Son variables artificiales. Héctor Martínez Rubin Celis 14 .C.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 .Notas del Método Simplex Investigación de Operaciones I Ejemplo: Minimizar Sujeto a: Z = x1 .x3 +x6 -x1 + x2 -x4 x2 +x5 donde : Xh son variables de holgura. 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.

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. x3 = 1 y las variables restantes son iguales a cero. Esta tabla nos indica que esta solución es óptima. Con un valor optimo de la función objetivo Z de -6. Teniendo el resultado siguiente x4 = 2. x2 = 3. Héctor Martínez Rubin Celis 15 .C. M.

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

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

0.6 0 0 0 0 X5 -. Una solución factible para el problema original es (1. la fase I esta terminada. 0.5 -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 .6 0 0 0 0 X4 .X6 + X8 =3 3X1 .6 -. 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 .2X4 + X5 .5 5 5 1 X7 1 0 0 1 0 1 X8 -. 0.5 1. X8 Y X9 son variables artificiales.5 -1.2X3 .X3 + X4 .5 1. Para establecer la tabla de la fase II.5 .5 0 X1 0 1 0 0 0 0 X2 1.5 -. Héctor Martínez Rubin Celis 18 .5 -.X4 +X6 + X9 = 5 X´s ³ 0.5 2.5 3 3 0 X3 -. 0.6.2 -.Notas del Método Simplex Investigación de Operaciones I Minimizar Z = -X1 Sujeto a: X1 + X2 .X3 .5 -.X5 +2X6 +X7 =2 2X1 . elimine las columnas 7 M.8 -.2 1.6 .4 -1 -1 -2 1 X9 0 0 1 1 0 Zj Zj-Cj Como todos los elementos en Zj-Cj son £ 0.C.2 .5 .X2 . . El valor mínimo de la fase I es cero y por esto el problema es factible.4 . Donde X7.6 0 0 1 X1 0 1 0 0 0 -2 X2 .5 -1.5 -1 -1 0 X4 2 -1 2 4 4 0 X5 -1.5 -3 -3 0 X6 2.2 -1 -1 -2 1 X8 -.5 . para toda X.2 0 0 0 0 X6 1 0 0 0 0 1 X7 .2).2 0 0 0 0 X3 -.5 -.

8 -.2 .25 0 X3 -. M.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. yrj £ 0).75 .75 .2 -.25 -.6 .6 0 X5 -.2 0 -.6 0 X5 -.6 0 X4 .6 .25 .6 0 X4 . la fila es eliminada por ser redundante.2 1.25 -.2 -.75 1. asigne los coeficientes originales en la función objetivo y calcule las entradas de la fila Zj-Cj (en la variable artificial cero).25 .75 -. excepto por un 1 que representa la variable artificial X9.6 0 .2 .25 -.75 . Cj CB 0 -1 XB X6 X1 Z= b .6 .6 .25 0 X6 1.2 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 .2 1.2 0 X6 1 0 0 0 Sale X6 de solución Zj Zj-Cj Entra X4 en solución Fin FASE I.6 0 -1 X1 0 1 -1 0 0 X2 .6 . Cheque en el problema original y encontrará que la tercera ecuación es la suma de las dos primeras ecuaciones.75 -1 X1 0 1 -1 0 0 X2 .6 .25 1.25 -.Notas del Método Simplex Investigación de Operaciones I y 8.6 0 .2 0 X3 -.6 .6 -.2 0 X3 -.C.6 -. Se elimina la fila 3 y la columna 7 (X9).2 .2 -. Héctor Martínez Rubin Celis 19 .75 -.2 0 . Cj CB 0 -1 0 XB X6 X1 X9 Z= b .75 0 X4 1 0 0 0 0 X5 -.75 -. principio de la FASE II FASE II Cj CB 0 -1 XB X4 X1 Z= b .2 -. por tanto la solución es ilimitada (Z = -a ).2 -.6 0 0 -1 X1 0 1 0 -1 0 0 X2 .

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

ya que en XB hay una variable a nivel cero. se puede caer en la situación en la cual se ciclaje el problema. la función objetivo puede no cambiar cuando hay un cambio de una solución básica factible a otra. repitiéndose las mismas secuencias de bases solución. Héctor Martínez Rubin Celis 21 . y nunca alcanzar la solución optima.C. Teniéndose que x2 = 1.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. x3 = 0 y Z* = 1. CICLAJE Cuando la degeneración se presenta. En efecto. M. Entonces no se puede estar seguro que una base no se repita.

2X4 .1/3X6 .C.12X7 = 2 X´s ³ 0.9X5 + X6 + 9X7 X2 +1/3X4 + X5 . Héctor Martínez Rubin Celis 22 . para toda X. =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.Notas del Método Simplex Investigación de Operaciones I Ejemplo: Minimizar Z = -2X4 -3X5 + X6 +12X7 Sujeto a : X1 .X6 .2X7 X3 + 2X4 + 3X5 .

C. X2. la cual ya fue obtenida en la tabla 1. X3). la nueva base estará formada por (X1. Héctor Martínez Rubin Celis 23 . 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. M.

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. 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.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. 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). divida cada fila potencial (en empate) entre su similar en fila de la columna pivote. Si únicamente una fila queda. Ignorar todas las filas que no tengan el valor más bajo. Como las filas son linealmente independientes ningún par de filas divididas son idénticas. Héctor Martínez Rubin Celis 24 . M. esta será la fila pivote. se tiene un empate. si quedan más pruebe en las columnas adicionales.C. Encuentre la primera columna donde se rompa el empate.

Es decir que cualquiera de las variables no-básicas que tienen un valor cero en la fila z j .c j son menores o iguales que cero la solución es óptima. por lo que sale de solución x 5 .c j iguales que cero.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). existe una solución básica factible múltiple).C. Héctor Martínez Rubin Celis 25 . por lo que existirá una solución múltiple.c j puede entrar a formar parte de la solución y el valor de la función objetivo Z no cambiará.cj Como todos los elementos en la fila z j . Observe que en la fila z j . ( m = 3 Si existen más de m elementos en la fila z j .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 existen 6 elementos 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 . M.12 0 x Br y rj --21 zj zj .

Héctor Martínez Rubin Celis 26 . Max Z=X1-X2+X3 X1 + X2 + 2X3 .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. 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 .X4 = 4 X1 . Es decir cuando alguna otra variable aparte de las variables básicas que se encuentre en la fila Zj . 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. Ejemplo: Max Z=X1-X2+X3 Sujeto a: X1 + X2 + 2X3 ≥ 4 X1 . entonces esa variable puede ser introducida en la base sin cambiar el valor de la función objetivo.O. X2 ≥ 0 M.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<0.2X2 + X3 ≥ 2 X’s ≥ 0 F. 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.Cj a nivel cero. SOLUCIÓN MÚLTIPLE Cuando soluciones diferentes originen un mismo valor en la función objetivo se dice que existen soluciones múltiples.C.

Esto significa que puede entrar X1 en solución y el valor de la función objetivo Z* no cambia M. 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. Héctor Martínez Rubin Celis 27 . entonces existe una solución optima múltiple.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. X2 ≥ 0 X3. X4.C.

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. Héctor Martínez Rubin Celis 28 . elíjase una tal que: Min f = f*. y multiplicando a la expresión por -1 -f* ³ f. entonces f* £ f y si pasamos f al lado izquierdo tenemos : f* .Min f.f £ 0 -f* -(-f) ³ 0.C. además . por lo tanto sustituyendo en 1 tenemos: Max (-f) = .f £ -f* de esto obtenemos que : Max (-f) = -f*. M.

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

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 . 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.[5 2ú û 3] = [. Héctor Martínez Rubin Celis 30 .C.5 3] por lo que entra en solución x1 .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 . 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 .C = [0 é3 0]ê ë5 x2 5ù .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 . Como todos los valores son mayores que cero la solución óptima se ha alcanzado. Solución óptima: Z = 325 19 x1 = 20 19 x 2 = 45 19 M.c j = WA . Héctor Martínez Rubin Celis 31 .3 19 5 19 235 19 45 19 20 19 Analizando para todas las variables no-básicas: x3 z j .[0 1ú û 0] = [5 19 16 19].C.c j = WA .[3 0] = [ -1 1] ë2 1û por lo que entra en solución x 2 .C = [ 0 1] ê ú .2 19 16 19 .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 .C = [5 19 é1 16 19]ê ë0 x4 0ù .

c j = WA .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 . Héctor Martínez Rubin Celis 32 .c j = WA .2 .[3 2 0 0] .M .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 .C = [7 M -1 é3 0]ê4 ê ê ë1 0ù 3 0 . x 2 ³ 0 3 x1 + x 2 .M Entra en solución x1 por tener el valor más positivo.M ] .M] C B B a j .3 4 M .c j = WA .c j = z j .1ú .x 3 + x6 =3 4 x1 + 3 x 2 .c j = z j .[3 2 0 0] ú 1 0 0ú û .c j = z j . M.C = [7 M .C.C = [M -1 x2 1 x3 -1 x4 M 4M C B B -1 a j .

c j = WA .c j = z j . Héctor Martínez Rubin Celis 33 .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 = WA .c j = z j .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.C = [5 3 M .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 .M Entra en solución x 2 por tener el valor más positivo.c j = WA .1 .C = [ -4 3 M + 1 M -1 x3 -1 0 0 x4 0 -1 0 x6 1ù 0ú ú .M CB B -1a j .c j = z j .1 .C.C = [5 3 M + 1 -4 3 M .[2 0 0 M ] 0ú û CB B -1a j . Tabla 2 é1 0] ê ê4 ê ë1 -4 3 M ] .1 4 3 M .[ 2 0 0 M ] -4 3 M + 1] y2 .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 .

x 2 .3 x 4 ³ 2 x1 .c j = WA .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 .M ] Se ha alcanzado la solución óptima por ser todos los valores negativos. Solución óptima: Z = 21 5 x1 = 3 5 x2 = 6 5 x5 = 6 5 Ejemplo 3: Método de las 2 Fases Max Z = x1 .2 x 2 + x 3 . Héctor Martínez Rubin Celis 34 . FASE I Así: M.[0 0 M ê ë 0 0 0 0ú û -1 CB B a j .C = [1 5 3 5 0] ê 0 -1 0 1 ú ú .C = [ -1 5 .x 4 £ 6 2 x1 + x 2 + 3 x 3 .C. x 2 . x 5 .c j = z j .[ 0 0 M M ] CB B -1a j . x 4 . x 3 .M 3 5 . x 3 . x 4 ³ 0 + x3 .c j = WA .x6 + x7 = 2 x1 . x 6 . x 7 ³ 0 donde x 5 y x 6 son variables de holgura y x 7 es una variable artificial.3 5 1 5 3 5] .C = [ -1 5 .3 5 1 5 .c j = WA .c j = z j .3x 4 .c j = z j .x 4 + x5 =6 + 3x3 .x 4 Sujeto a: x1 2 x1 + 4x2 + x2 x1 + 4 x 2 + x 3 .

Héctor Martínez Rubin Celis 35 .c j = WA .1] é6ù b=ê ú ë2û Analizando para todas las variables no-básicas: x1 z j .C = [0 x2 x3 x4 x6 0ù . 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 .[0 1ú û 0 0 0 .[ 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.c j = WA .C = [.3 3 0] Por lo que entra en solución x 3 .1]ê 1 3 -3 ë2 z j . 1 -1 0 0] y se recalcula la tabla con los valores verdaderos de M.1 .C.C = [ 0 0] ê ë2 x2 4 1 x4 -1 -3 x6 0 -1 x7 0ù . FASE II Ahora C = [5 .1] 4 1 -1 é1 .2 las c j .c j = WA .2 .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 .

Notas del Método Simplex Investigación de Operaciones I x1 z j .C = [ 0 z j .[5 ] Entra x 4 en solución por tener el valor más negativo.[.[5 0] = [ -13 3 0 . 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 .C = [ 2 3 1 3 x2 4 1 1 3 x4 -1 -3 x6 0ù .C = [. 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. Héctor Martínez Rubin Celis 36 .13 ] Entra x1 en solución por tener el valor más negativo.c j = WA .5 2 -5 2 x3 x4 ]é ê 2 4 ë1 -15 2 1 -1 3 -3 -5 2 15 ] .[ 5 -2 -1 1ú û -2 -1 0] 7 3 ] ê2 ë -1 é1 1 3 ] .2 1ú û .c j = WA .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 j = WA .C.C = [0 z j .

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 .C.c j = WA .1 4] .3 .2 .[5 .[.C = [48 1 .1 0] = [43 3 0 4] 1 -1 Como todos los valores son mayores que cero la solución óptima se ha alcanzado.c j = WA .Notas del Método Simplex Investigación de Operaciones I 70 13 .1ú û z j . Solución óptima: Z * = 70 x * 4 = 10 x *1 = 16 M.4]ê ë1 0ù . Héctor Martínez Rubin Celis 37 .1 0] 3 .C = [13 .2 1 .

k ï î yi .x B ? a) Seleccione la variable entrante xk b) Seleccione la variable saliente xr .k xk Nueva W Nueva B -1 Nuevo CB X B Nueva xk 0 0 M 1 fila r 0 M.k > 0} yr . yi . W.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 . c) Agregue la columna de xk W ì xr ïx = min í Bi .C.k CB X B B -1 x B1 xB2 M x Bm xk z k . Héctor Martínez Rubin Celis 38 .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 . cB .