Está en la página 1de 3

1

INVESTIGACIÓN DE OPERACIONES
FACILITADOR Ingº LUIS HERNÁNDEZ SALINAS

UNIDAD III: PROGRAMACIÓN LINEAL – MÉTODO SIMPLEX

El método gráfico indica que la solución óptima de un programa lineal siempre está asociada con
un punto esquina del espacio de soluciones. Este resultado es la clave del método simplex
algebraico y general para resolver cualquier modelo de programación lineal.
La transición de la solución del punto esquina geométrico hasta el método simplex implica un
procedimiento de cómputo que determina en forma algebraica los puntos esquinas. Esto se logra
convirtiendo primero a todas las restricciones de desigualdad en ecuaciones, para después
manipular esas ecuaciones en una forma sistemática.
Una propiedad general del método simplex es que resuelve la programación lineal en iteraciones.
Cada iteración desplaza la solución a un nuevo punto esquina que tiene potencial de mejorar el
valor de la función objetivo. El proceso termina cuando ya no se pueden obtener mejoras.

ESPACIO DE SOLUCIONES EN FORMA DE ECUACIÓN


Para estandarizar, la representación algebraica del espacio de soluciones de programación lineal
se forma bajo dos condiciones:
1. Todas las restricciones (excepto las de no negatividad) son ecuaciones con lado derecho
no negativo.
2. Todas las variables son no negativas.

CONVERSIÓN DE DESIGUALDADES A ECUACIONES


Para convertir una desigualdad (≤) en ecuación se agrega una variable de holgura (+S1) al lado
izquierdo de la desigualdad. Por ejemplo, en la restricción dada como 6x1 + 4x2 ≤ 24, la restricción
se puede convertir en la siguiente ecuación 6x1 + 4x2 + S1 = 24, con S1 ≥ 0.
La conversión de (≥) a (=) se logra restando una variable de excedencia del lado izquierdo de la
desigualdad. Por ejemplo, la restricción dada como X1 + x2 ≥ 800 Si se define a S1, como una
variable de excedencia se puede convertir la restricción en la ecuación siguiente: x1 + x2 – S1 = 800,
con S1 ≥ 0.

MÉTODO ESTÁNDAR Y MÉTODO SIMPLEX


El método Simplex, para solución de problemas de PL, es un procedimiento iterativo que permite
ir mejorando la solución a cada paso. El proceso concluye cuando no es posible seguir mejorando
más dicha solución.
Ejemplo:
Maximizar Z = 3x + 2y
Sujeta a:
2x + y ≤ 18
2x + 3y ≤ 42
3x + y ≤ 24
X≥0
Y≥0
Se consideran las siguientes fases:
1. Convertir las desigualdades en igualdades
2

Se introduce una variable de holgura (Si) por cada una de las restricciones, para
convertirlas en igualdades, resultando el siguiente sistema de ecuaciones lineales.
2x + y + S1 = 18
2x + 3y + S2 = 42
3x + y + S3 = 24
2. Igualar la función objetivo a cero
- 3x – 2y + Z = 0
3. Escribir la tabla inicial simplex
En las columnas aparecerán todas las variables del problema y en las filas, los coeficientes
de las igualdades obtenidas, una fila para cada restricción y la última fila con los
coeficientes de la función objetivo.

Tabla I: Iteración Nº 1
Variables de Decisión Variables de Holgura Valores
Base
X Y S1 S2 S3 Solución

4. Encontrar la variable de decisión que entra en la base y la variable de holgura que sale de
la base.
A. Para escoger la variable de decisión que entra en la base, nos fijamos en la última
fila, la de los coeficientes de la función objetivo y escogemos la variable con el
coeficiente negativo mayor (en valor absoluto). La columna de la variable que entra
en la base se llama columna pivote. En este caso la columna X de coeficiente -3.
B. Para encontrar la variable de holgura que tiene que salir de la base, se divide cada
término de la última columna (valores solución) por el término correspondiente de
la columna pivote, siempre que estos últimos sean mayores que cero.
18/2 = 9, 42/2 = 21, 24/3 = 8*
En este caso se selecciona el cociente menor (8), entonces S3 (fila 3) es la variable de
holgura que sale de la base. Está se llama fila pivote y el 3 elemento pivote.
5. Encontrar los coeficientes de la nueva tabla.
Los nuevos coeficientes de X se obtienen dividiendo la fila 3 entre el elemento pivote
(F3/3)

Tabla II: Iteración Nº 2 (F3/3)


Variables de Decisión Variables de Holgura Valores
Base
X Y S1 S2 S3 Solución
3

Como los elementos de la última fila hay un número negativo el -1, significa que no hemos
llegado todavía a la solución óptima. Hay que repetir el proceso.
La variable que entra es Y, por ser la variable que corresponde al -1.
La variable de holgura que sale es S1 por ser la presenta el menor cociente (6)

Tabla III: Iteración Nº 3 (F1/1/3)


Variables de Decisión Variables de Holgura Valores
Base
X Y S1 S2 S3 Solución

Como los elementos de la última fila hay un número negativo, -1, significa que no hemos
llegado a la solución óptima. Hay que repetir el proceso.
Variable que entra S3
Variable que sale S2

Tabla IV: Iteración Nº 4 (F2/4)


Variables de Decisión Variables de Holgura Valores
Base
X Y S1 S2 S3 Solución

Como todos los coeficientes de la última fila de la función objetivo son positivos, hemos
llegado a la solución óptima.
La solución óptima viene dada por el valor de Z en la columna de los valores solución, en
este caso 33.