Está en la página 1de 12

MTODOS DE OPTIMIZACIN

III. MTODO SMPLEX DE PROGRAMACIN LINEAL


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

= nmero de ecuaciones

= nmero de incgnitas

o Solucin Bsica
Resulta de hacer n-m variables iguales a cero en una determinada iteracin.
La diferencia n-m proporciona el nmero de variables no bsicas, m indica
el nmero de variables bsicas. Cada vez que se intercambian variables no
bsicas por variables bsicas se obtiene una nueva solucin.
o Variable de holgura
Representa la cantidad no utilizada de un recurso.

UES/FIA/EII/MOP115

3.1.2 FORMA CANNICA DE LA PROGRAMACIN LINEAL


Max Z = C1X1 + C2X2 + + Cn Xn
S.A.:

(0)

a 11X1 + a 12X2 ++ a 1nXn b1

(1)

a 21X1 + a 22X2 ++ a 2nXn b2

(2)

a 31X1 + a 32X2 ++ a 3nXn b3

(3)

a m1X1 + a m2X2 ++ a mnXn bm

(m)

X1 , X2 ,, Xn 0
A partir de la forma cannica obtenemos la forma estndar:
3.1.3 FORMA ESTNDAR DEL MTODO SMPLEX:
(0)

Z - C1X1 - C2X2 -- Cn Xn

=0

(1)

a11X1 + a 12X2 ++ a 1nXn + h1

= b1

(2)

a 21X1 + a 22X2 ++ a 2nXn

(3)

a 31X1 + a 32X2 ++ a 3nXn

(m)

a m1X1 + a m2X2 ++ a mnXn

+ h2

= b2
+ h3

= b3

+ hm = bm

X1, X2,, Xn, h1, h2,, hm 0

Donde:

X1, X2,, Xn Son variables de decisin


h1, h2,, hm Son variables de holgura

Propiedades de la Forma Estndar


1.- Todas las restricciones son ecuaciones con lado derecho no negativo
2.- Todas las variables son no negativas
3.- La funcin objetivo puede ser de maximizacin o de minimizacin.

UES/FIA/EII/MOP115

3.1.4 FORMA TABULAR DEL MTODO SMPLEX


N Iter.

V.B.

N Ec.

X1

h1

a11

h2

h3

hm

X2

Xn

. hm

h1

h2

h3

- Cn

. 0

a12

a1n

. 0

b1

a21

a22

a2n

. 0

b2

a31

a32

a3n

. 0

b3

am1

am2

amn

bm

- C1 - C2

L. D.

3.1.5 PROCESO DEL MTODO SMPLEX


1. INICIALIZACIN: Seleccionar el primer vrtice de solucin factible.
Usando la forma estndar, determine una solucin bsica factible inicial. Para ello
las variables de holgura se toman como variables bsicas y su valor es igual al
lado derecho (bi, i = 1,2,, m) de cada ecuacin y las variables de decisin se
toman como variables no bsicas.
El proceso del mtodo smplex consiste fundamentalmente en sustituir variables
bsicas por variables no bsicas que mejoren el valor de la solucin bsica inicial.
2. PROCESO ITERATIVO
a. Criterio para la variable de entrada.
En el caso de maximizacin se escoge la que tiene el valor ms negativo en la
ecuacin Z. En el caso de minimizacin se escoge la que tiene el valor ms
positivo. En caso de empate en el valor ms negativo o ms positivo elegir
cualquiera de las variables que estn empatadas.
b. Criterio para la variable de salida.
Aplicar la condicin de factibilidad: Se escoge la variable que tenga la razn ms
pequea con denominador positivo que resulte de dividir el lado derecho entre el
coeficiente de la variable de entrada (bi /aij ). En caso de empate en la razn ms
pequea elegir cualquiera de las variables que estn empatadas.
c. Obtener el nuevo sistema de ecuaciones con el nuevo grupo de variables
bsicas.
Mediante el mtodo de Gauss-Jordan se hace uno el coeficiente de la variable de
entrada en la ecuacin donde se intercepta la variable de entrada y la de salida
(elemento pivote) y luego se elimina de las otras ecuaciones la variable de
UES/FIA/EII/MOP115

entrada, incluyendo la ecuacin Z, es decir convertir en ceros los dems


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

1.

Max. Z = 5 X1 + 6 X2
s.a.
2 X1 + 3 X2 18
2 X1 + X2 12
3 X1 + 3 X2 30
X1, X2 0

2.

Max. Z = 3 X1 + 2 X2
s.a.
4 X1 + 5 X2 10
5 X1 + 2 X2 10
3 X1 + 8 X2 12
X1, X2 0

3.

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

UES/FIA/EII/MOP115

3.2 MTODO SMPLEX UTILIZANDO LA TCNICA DE VARIABLES


ARTIFICIALES (MTODO DE LA M)

Las variables artificiales se emplean cuando no se pueden utilizar las variables de


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

Max Z = 5X1 + 6X2


s.a.
2X1 + 3X2
2X1 + X2
3X1 + 3X2
X1, X2

= 18
12
24
0

2.

Min Z = 5X1 + 6X2


s.a.
2X1 + 3X2 12
2X1 + X2 14
X1, X2 0

3.

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

UES/FIA/EII/MOP115

3.3 CASOS ESPECIALES EN EL MTODO SMPLEX


3.3.1 SOLUCIONES MLTIPLES
Grficamente se presenta cuando la funcin objetivo es mltiplo o submltiplo
de una de las restricciones que pasan por el punto ptimo. En la tabla smplex,
se observar que existen mltiples soluciones en el tablero ptimo cuando
aparezcan uno o ms coeficientes iguales a cero para las variables no bsicas
en la funcin objetivo.
Ejemplo.
Resuelva por el mtodo smplex el siguiente modelo de PL
Mx.
s.a.

Z = 4 X1 + 8 X2
3 X1 + X2 4
2 X1 + 4 X2 6
X1, X2 0

3.3.2 SOLUCIN DEGENERADA


Se presenta cuando hay un empate en la variable de salida. Se elige
arbitrariamente una de ellas y en la siguiente iteracin una de las variables
bsicas se har igual a cero. Otras caractersticas de la solucin degenerada
son: el valor de la funcin objetivo no mejora en el proceso de iteracin (ciclaje)
y en cada iteracin se producen valores idnticos de todas las variables y de la
funcin objetivo desde que se da la degeneracin.
Ejemplo.
Resuelva por el mtodo smplex el siguiente modelo de PL
Mx.
s.a.

Z = 9 X1 + 5 X2
2 X1 + X2 8
4 X1 + 3 X2 16
X1, X2 0

3.3.3 SOLUCIN NO ACOTADA


Se da cuando los valores de las variables se pueden aumentar en forma
indefinida sin violar ninguna de las restricciones, lo que significa que el espacio
de soluciones es no acotado cuando menos en una direccin. Como resultado,
el valor de la funcin objetivo puede crecer (maximizacin) o decrecer
(minimizacin) en forma indefinida, es decir, sin lmite.
En el mtodo smplex, para conocer si un problema es no acotado, si en
cualquier iteracin los coeficientes de las restricciones de una variable no
UES/FIA/EII/MOP115

bsica son no positivos, entonces el espacio de soluciones est no acotado en


esa direccin. Adems, la variable no bsica debe tener coeficiente positivo en
la funcin objetivo original si es maximizacin o negativo si es minimizacin.

Ejemplo.
Resuelva por el mtodo smplex el siguiente modelo de PL
Mx.
s.a.

Z = 3 X1 + 2 X2
X1 - X2 15
2 X1
60
X1, X2 0

3.3.4 SOLUCIN INFACTIBLE


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

UES/FIA/EII/MOP115

Z = 6 X1 + 4 X2
6 X1 + 8 X2 24
4 X1 + 2 X2 4
X1, X2 0

3.4 VARIABLES QUE PUEDEN TOMAR VALORES NEGATIVOS


3.4.1 VARIABLES IRRESTRICTAS
Una variable irrestricta (o no restringida en signo) Xi puede expresarse en
trminos de dos varibles no negativas mediante el uso de la sustitucin
Xi = Xi - Xi ; donde Xi, Xi 0
Ejemplo. Resuelva por el mtodo smplex el siguiente modelo de PL
Mx.
s.a.

Z = 2 X1 + 2 X2
X1 + X2 3
- X1 + X2 - 1
X1 0
X2 irrestricta

3.4.2 VARIABLES CON FRONTERA O LIMITE NEGATIVO


Sea una variable Xj con frontera o lmite negativo tal que Xj Lj, donde Lj es
una valor negativo. Entonces se puede expresar Xj de la siguiente forma:
Xj = Xj + Lj , donde Xj 0
Ejemplo. Resuelva por el mtodo smplex el siguiente modelo de PL
Mx.
s.a.

Z = 2 X1 + 2 X2
X1 + X2 3
X1 - 5 X2 1
X1 0
X2 - 10

UES/FIA/EII/MOP115

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

Problema Primal
Max Zp =

s.a.

n
j 1

Xj

n
j 1

CjXj

AijXj bi

Problema Dual
Primal
Min Zd =

s.a.

Para i = 1, 2, 3,, m;

Yi
Para j = 1, 2, 3,..., n;

j = 1, 2, 3,..., n

i = 1, 2, 3,, m

El problema dual se construye sistemticamente a partir del primal de acuerdo a


las caractersticas siguientes:
3.5.1 CARACTERSTICAS DEL PROBLEMA DUAL
1. Cada una de las restricciones del problema primal corresponde a una
variable de decisin en el dual.
2. El primal de maximizacin tiene un dual de minimizacin o viceversa.
3. El primal de maximizacin tiene restricciones de tipo =, mientras que
su dual de minimizacin tiene restricciones de tipo = o viceversa.
4. Los coeficientes de las variables en la funcin objetivo del dual son iguales
al lado derecho de las restricciones del primal.
5. Los coeficientes del lado izquierdo de la restriccin dual son iguales a los
coeficientes de la restriccin (columna) de la variable primal asociada.
6. El lado derecho de cada restriccin dual es igual al coeficiente de la funcin
objetivo de la variable primal correspondiente.
7. Las variables de decisin en ambos problemas son no negativas.
UES/FIA/EII/MOP115

3.5.2 PROPIEDADES DEL PROBLEMA DUAL


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

3 X1 + 8 X2
X1 + 3 X2 4
- X1 + 6 X2 3
3 X1 + 9 X2 10
X1 irrestricta
X2 0

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

UES/FIA/EII/MOP115

10

3.5.3 RELACIONES PRIMALES-DUALES


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

Cuando se tiene una solucin dual ptima, empleando el Mtodo Smplex,


la solucin primal ptima se obtiene directamente considerando que:

Valor ptimo de la
Variable Primal

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

Ejemplo. Escriba el dual del problema siguiente y resulvalo. Luego


encuentre la solucin ptima del primal a partir de la solucin del dual.

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

UES/FIA/EII/MOP115

11

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

Cuando se tiene una solucin primal ptima, empleando el Mtodo Smplex,


la Solucin dual ptima se obtiene directamente considerando que:

Valor ptimo de la
Variable Dual

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

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


del dual.

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

Aplicaciones de la Dualidad

Para fines de nuestro estudio la aplicacin ms importante de la Dualidad es que


en algunos casos, puede ser ms eficiente resolver el problema dual que el primal.

UES/FIA/EII/MOP115

12