Métodos Simplex

Prof. Pablo A. Araujo G. Ph.D.

paaraujo@uce.edu.ec
 Lecturas Iniciales
• The generalized Simplex Method for
minimizing a linear form under linear
inequality restraints - Dantzig et al., 1955
• Cap. 5 The simplex method - G.B. Dantzig –
1963
• Origins of the Simplex Method - Dantzig 1987
 Conceptos generales
• Geométrica = Puntos extremos / área
• Algebraica
• Forma estándar P.L.
• Variables > Ecuaciones
• Soluciones básicas (algebra lineal)
• Genera soluciones básicas sucesivas
 Forma Estándar del P.L.
• P.L. <= / = / =>
• Variables no negativas
• Variables irrestrictas
• Todas restricciones = Ecuaciones
• 2do miembro = no negativo
• Variables son no negativas
• Maximización / minimización
 Forma Estándar del P.L.
• <= Holgura (+)
!! + 2!" ≤ 6
!! + 2!" + &! = 6, siendo &! ≥ 0

• => Exceso (-)

3!! + 2!" − 3!# ≥ 5
3!! + 2!" − 3!# − &" ≥ 5, siendo &" ≥ 0
SIMPLEX PRIMAL
Pasos iterativos formales - SP
• Paso 0 = Usando la forma estándar (con
los segundos miembros no negativos)
determine una solución inicial básica
factible

• Paso 1 = Seleccione una variable entrante

entre las variables actuales no-básicas
usando la condición de optimidad
Pasos iterativos formales - SP
• Paso 2 = Seleccione una variable saliente
entre las variables actuales básicas,
usando la condición de factibilidad

• Paso 3 = Determine los valores de las

nuevas variables básicas, haciendo a la
variable entrante básica y a la variable
saliente no básica, vuelva al paso 1
Condición Optimidad (entrada) – SP
• Maximización
• Variable no-básica con coeficiente mas
negativo

• Minimización
• Variable no-básica con coeficiente mas
positivo
Condición de Factibilidad (salida) – SP

• Maximización y Minimización:

Variable básica actual, con la menor

intersección (razón mínima con
denominador estrictamente positivo) en la
dirección de la variable entrante
 Método de Gauss-Jordan
• Ecuación Pivote:
Nueva ecuación pivote = ecuación pivote / elemento pivote

• Las demás ecuaciones, incluyendo z

!"#$% &'"%'(ó*
= &'"%'(ó* ,*-#.(/.
− 1/#2('(#*-#3 '/4"5*% #*-.%*-# 6 !"#$% &'"%'(ó* 7($/-#
 Ejercicio – Simplex Primal

• Max z = 2x1 + 3x2

• s.a.:
• 2x1 + x2 <= 6
• x1 + 2x2 <= 8
• x1-x2 <= 1
• x1 <= 2
• x1, x2 => 0
 Simplex Primal – Forma estándar

• Max: z - 2x1 - 3x2 + 0s1 + 0s2 + 0s3 + 0s4 = 0

• s.a.:
• 2x1 + x2 + S1 = 6
• x1 + 2x2 + s2 = 8
• x1 - x2 + s3 = 1
• x1 + s4 = 2
• x1, x2, s1, s2, s3, s4 => 0
Max x1 x2 s1 s2 s3 s4 TI
z -2 -3 0 0 0 0 0
s1 2 1 1 0 0 0 6 6
s2 1 2 0 1 0 0 8 4
s3 1 -1 0 0 1 0 1
s4 1 0 0 0 0 1 2
z -0.5 0 0 1.5 0 0 12
s1 1.5 0 1 -0.5 0 0 2 1.33333
x2 0.5 1 0 0.5 0 0 4 8
s3 1.5 0 0 0.5 1 0 5 3.33333
s4 1 0 0 0 0 1 2 2
z 0 0 0.33 1.33 0.00 0.00 12.67
x1 1 0 0.67 -0.33 0.00 0.00 1.33
x2 0 1 -0.33 0.67 0.00 0.00 3.33
s3 0 0 -1.00 1.00 1.00 0.00 3.00
s4 0 0 -0.67 0.33 0.00 1.00 0.67
 Ejercicio Simplex Primal
• Resolverlo sin violar
• Max z = 3x1 + 2x2 + 5x3 la optimidad y
factibilidad
• s.a.:
• x1 + 2x2 + x3 <= 430
• Resolverlo violando la
optimidad
• 3x1 + 2x3 <= 460
• X1 + 4x2 <= 420 • Comentar los
• x1, x2, x3 => 0 resultados de las
interacciones
SIMPLEX DUAL
 Ideas iniciales
• Existen P.L. que NO tienen una solución
factible básica inicial con solo holguras.
• La solución empieza siendo infactible y
óptima
• Forma estándar:
• Añadir holguras y excesos
• Todas siempre positivas
Pasos iterativos formales - SD
• Paso 0 = Usando la forma estándar
determine una solución inicial básica
infactible y óptima

• Paso 1 = Seleccione una variable saliente

entre las variables actuales básicas
negativas, usando la condición de
factibilidad
Pasos iterativos formales - SD
• Paso 2 = Seleccione una variable entrante
entre las variables actuales no-básicas
usando la condición de optimidad

• Paso 3 = Determine los valores de las

nuevas variables básicas, haciendo a la
variable entrante básica y a la variable
saliente no básica, vuelva al paso 1
Condición de Factibilidad (salida) – SD

• Maximización y Minimización:

Variable básica actual, con el valor mas

negativo (rompa empates de forma
arbitraria), sí, todas las variables básicas
son no negativas, el proceso termina.
Condición Optimidad (entrada) – SD
• Razones = dividiendo los coeficientes del primer
miembro de Z entre los coeficientes negativos
asociados a la variable saliente.

• Maximización
• Variable no-básica con el valor absoluto mas
pequeño de las razones

• Minimización
• Variable no-básica asociada con la razón mas
pequeña
 Ejercicio – Simplex Dual

• Min z = 3x1 + 2x2

• s.a.:
• 3x1 + x2 => 3
• 4x1 + 3x2 => 6
• X1 + x2 <= 3
• x1, x2 => 0
 Simplex Dual – Forma estándar

• Min: z - 3x1 - 2x2 + 0s1 + 0s2 + 0s3 = 0

• s.a.:
• - 3x1 - x2 + s1= - 3
• - 4x1 - 3x2 + s2 = - 6
• X1 + x2 + s3 = 3
• x1, x2, s1, s2, s3 => 0
Min x1 x2 s1 s2 s3 TI
z -3 -2 0 0 0 0
s1 -3 -1 1 0 0 -3
s2 -4 -3 0 1 0 -6
s3 1 1 0 0 1 3
0.75 0.67
z -0.333 0.000 0.000 -0.667 0.000 4.000
s1 -1.667 0.000 1.000 -0.333 0.000 -1.000
x2 1.333 1.000 0.000 -0.333 0.000 2.000
s3 -0.333 0.000 0.000 0.333 1.000 1.000
0.2 2
z 0 0 -0.2 -0.6 0 4.2
x1 1 0 -0.6 0.2 0 0.6
x2 0 1 0.8 -0.6 0 1.2
s3 0 0 -0.2 0.4 1 1.2
CASOS ESPECIALES
Degeneración
Opciones óptimas
Solución no acotada
Solución Infactible
 Degeneración
• Igualdad en la variable que sale
• Iteración = variable básica igual a cero
• Modelo = al menos una restricción
redundante
• Sugerencia = suspender los cálculos
cuando aparece la degeneración
 • Max z = 3x1 + 9x2
• s.a.:
Ejemplos - • x1 + 4x2 <= 8
Degeneración
• x1 + 2x2 <= 4
• x1, x2 => 0
Iteración Max x1 x2 x3 x4 T.I.

0 z -3 -9 0 0 0

x3 1 4 1 0 8 2

x4 1 2 0 1 4 2

1 z -0.75 0 2.25 0 18

x2 0.25 1 0.25 0 2 8

x4 0.5 0 -0.5 1 0 0

2 z 0 0 1.5 1.5 18

x2 0 1 0.5 -0.5 2

x1 1 0 -1 2 0
Iteración Max x1 x2 x3 x4 T.I.

0 z -3 -9 0 0 0

x3 1 4 1 0 8 2

x4 1 2 0 1 4 2

1 z 1.5 0 0 4.5 18

x3 -1 0 1 -2 0

x2 0.5 1 0 0.5 2
 Ejemplos - Degeneración
• Max z = 0.75x1 - 20x2 + 0.5x3 - 6x4
• s.a.:
• 0.25x1 - 8x2 – x3 + 9x4 <= 0
• 0.5x1 - 12x2 – 0.5x3 + 3x4 <= 0
• X3 <= 1
• x1, x2, x3 => 0
Iteración Max x1 x2 x3 x4 s1 s2 s3 TI

0 z -0.75 20 -0.5 6 0 0 0 0

s1 0.25 -8 -1 9 1 0 0 0 0

s2 0.5 -12 -0.5 3 0 1 0 0 0

s3 0 0 1 0 0 0 1 1 1

1 z -0.75 20 0 6 0 0 0.5 0.5

s1 0.25 -8 0 9 1 0 1 1 4

s2 0.5 -12 0 3 0 1 0.5 0.5 1

x3 0 0 1 0 0 0 1 1

2 z 0 2 0 10.5 0 1.5 1.25 1.25

s1 0 -2 0 7.5 1 -0.5 0.75 0.75

x1 1 -24 0 6 0 2 1 1

x3 0 0 1 0 0 0 1 1
 Opciones Optimas
• Función objetivo es paralela a una
restricción de enlace
• Valor óptimo en mas de un punto
• Número infinito de soluciones
• Útil = buscar la solución que mejor se
ajuste a la solución
Ejemplo – Opciones Optimas

• Max z = 2x1 + 4x2

• s.a.:
• x1 + 2x2 <= 5
• x1 + x2 <= 4
• x1, x2 => 0
Iteración Max x1 x2 s1 s2 TI

0 z -2 -4 0 0 0

s1 1 2 1 0 5 2.5

s2 1 1 0 1 4 4

1 z 0 0 2 0 10

x2 0.5 1 0.5 0 2.5

s2 0.5 0 -0.5 1 1.5

Iteración Max x1 x2 s1 s2 TI

0 z -2 -4 0 0 0

s1 1 2 1 0 5 5

s2 1 1 0 1 4 4

1 z 0 -2 0 2 8

s1 0 1 1 -1 1 1

x1 1 1 0 1 4 4

3 z 0 0 2 0 10

x2 0 1 1 -1 1

x1 1 0 -1 2 3
 Solución No Acotada
• Valores de las variables pueden aumentar de
forma indefinida sin violar ninguna restricción
• Maximizar = crece de forma indefinida
• Minimizar = decrecer de forma indefinida
• Modelo mal construido
• No se han tomado en cuenta todas las restricciones
• No se determinan de forma correcta los parámetros
de algunas restricciones
Ejemplo – Solución No Acotada

• Max z = 2x1 + x2
• s.a.:
• x1 - x2 <= 10
• 2x1 <= 40
• x1, x2 => 0
Iteración Max x1 x2 s1 s2 TI

0 z -2 -1 0 0 0

s1 1 -1 1 0 10 10

s2 2 0 0 1 40 20

1 z 0 -3 2 0 20

x1 1 -1 1 0 10

s2 0 2 -2 1 20 10

2 z 0 0 -1 1.5 50

x1 1 0 0 0.5 20 #¡DIV/0!

x2 0 1 -1 0.5 10 -10
 Solución Infactible
• No se pueden satisfacer las restricciones
de forma simultanea.
• Nunca si todas son del tipo <=
• Holguras (siempre solución factible)
• Exceso es posible (soluciones no factibles)
• Mal formulado el modelo
• Restricciones en conflicto
• Escoger las restricciones / reformular modelo
Ejemplo – Solución Infactible

• Max z = 3x1 + 2x2

• s.a.:
• 2x1 + x2 <= 2
• 3x1 + 4x2 => 12
• x1, x2 => 0
Iteración Max x1 x2 s1 s2 TI

0 z -3 -2 0 0 0

s1 2 1 1 0 2

s2 -3 -4 0 1 -12

1 0.5

1 z -1.5 0 0 -0.5 6

s1 1.25 0 1 0.25 -1

x2 0.75 1 0 -0.25 3
ANÁLISIS DE SENSIBILIDAD
INTERPRETACIÓN DE LA TABLA SIMPEX

La solución óptima
El estado de los recursos
Precio Dual (Valor unitario de un recurso)
Sensibilidad de la solución óptima
 Ideas previas
• Efecto en los cambios en los parámetros
del modelo P.L. en la solución óptima.
• Analizar el comportamiento de la solución
óptima.
• Tener información acerca de posibles
soluciones óptimas nuevas,
correspondientes a cambios en los
parámetros.
 La solución óptima
El problema
Reddy Mikks Company posee una pequeña fábrica de pinturas
Planteamiento P.L.:
para interiores y exteriores de casas para su distribución al
mayoreo. Se utilizan dos materiales básicos, A y B, para • Max z = 2x1 + 3x2
producir las pinturas. La disponibilidad máxima de A es de 6
toneladas diarias; la de B es de 8 toneladas por día. La
necesidad diaria de materia prima por tonelada de pintura para
• s.a.:
exteriores e interiores se resume en la tabla. Un estudio de
mercado hay establecido que la demanda diaria de pintura
• 2x1 + x2 <= 6
para interiores no puede ser mayor que la de pintura para
exteriores en mas de una tonelada. Asimismo, el estudio
• x1 + 2x2 <= 8
señala que la demanda máxima de pintura para interiores está
limitada a 2 toneladas diarias. El precio al mayoreo por
• x1 - x2 <= 1
tonelada es de 3000 USD para la pintura de exteriores y de
2000 USD para la pintura de interiores. Considerando que: x1
• x1 <= 2
= toneladas de pintura para interiores producidas diariamente
y que x2 = toneladas de pintura para exteriores producidas • x1, x2 => 0
diariamente, formule y resuelva (método gráfico y método
simplex) un modelo de programación lineal que ayude a
responder: ¿cuánta pintura para exteriores e interiores debe
producir la compañía todos los días para maximizar el ingreso
bruto?.
Tabla óptima - Final
Toneladas de materia prima por tonelada z 0 0 0.33 1.33 0.00 0.00 12.67
de pintura
x1 1 0 0.67 -0.33 0.00 0.00 1.33
Disponibilidad
Exterior Interior
máxima (toneladas) x2 0 1 -0.33 0.67 0.00 0.00 3.33
Materia prima A 1 2 6 s3 0 0 -1.00 1.00 1.00 0.00 3.00
Materia prima B 2 1 8 s4 0 0 -0.67 0.33 0.00 1.00 0.67
 La solución óptima
x1 x2 s1 s2 s3 s4 T.I.
z 0 0 0.33 1.33 0.00 0.00 12.67
x1 1 0 0.67 -0.33 0.00 0.00 1.33
x2 0 1 -0.33 0.67 0.00 0.00 3.33
s3 0 0 -1.00 1.00 1.00 0.00 3.00
s4 0 0 -0.67 0.33 0.00 1.00 0.67

Variable de decisión Valor óptimo Decisión

Producir 1.33 toneladas de pintura para

x1 1.33
interiores todos los días

Producir 3.33 toneladas de pintura para

x2 3.33
exteriores

La ganancia resultante es de 12.67 miles

z 12.67
de unidades monetarias
 Estado de los recursos
• Recursos = Escasos / Max: z - 2x1 - 3x2 + 0s1 +
Abundantes 0s2 + 0s3 + 0s4 = 0
• Observe el valor de las s.a.:
variables de holgura en la 2x1 + x2 + S1 = 6
tabla óptima, así: Restricciones auténticas
x1 + 2x2 + s2 = 8 Materia Prima
• Holgura positiva = el
recurso no se usa x1 - x2 + s3 = 1 Limitaciones Demanda
totalmente (abundante) x1 + s4 = 2 “Recurso limitado”
• Holgura cero = la cantidad x , x , s1, s , s , s => 0
total del recurso se 1 2 2 3 4
consume en las
actividades del modelo
(escaso).
 Estado de los Recursos
x1 x2 s1 s2 s3 s4 T.I.
z 0 0 0.33 1.33 0.00 0.00 12.67
x1 1 0 0.67 -0.33 0.00 0.00 1.33
x2 0 1 -0.33 0.67 0.00 0.00 3.33
s3 0 0 -1.00 1.00 1.00 0.00 3.00
s4 0 0 -0.67 0.33 0.00 1.00 0.67

Recurso Holgura Estado del Recurso

Materia Prima A S1 = 0 Escaso
Materia Prima B S2 = 0 Escaso
Limite en el exceso de pintura para interiores sobre
S3 = 3 Abundante
exteriores
Limite en la demanda de pintura para interiores S4 = 0.67 Abundante

Recursos que se pueden modificar para mejorar Z = escasos

 Precio dual
(Valor unitario de un recurso)
• Coeficientes en la función Z debajo de las
variables básicas iniciales
x1 x2 s1 s2 s3 s4 T.I.
z 0 0 0.33 1.33 0.00 0.00 12.67

• Precio dual Materia prima A = 0.33 miles de

unidades monetarias / tonelada adicional de
la materia prima A (2x1 + x2 + s1 = 6).

• Precio dual Materia prima B = 1.33 miles de

unidades monetarias / tonelada adicional de
la materia prima B (x1 + 2x2 + s2 = 8).
 Cambio máximo en
disponibilidad de los recursos

• Límite de cambios en los recursos para

los cuales se aplican los precios duales.

• El análisis se debe hacer de forma

individual y no simultánea.
 Cambio máximo en
disponibilidad de los recursos
x1 x2 s1 s2 s3 s4 T.I. 2x1 + x2 <= 6
z 0 0 0.33 1.33 0.00 0.00 12.67
x1 1 0 0.67 -0.33 0.00 0.00 1.33 x1 + 2x2 <= 8
x2 0 1 -0.33 0.67 0.00 0.00 3.33 x1 - x2 <= 1
s3 0 0 -1.00 1.00 1.00 0.00 3.00 x1 <= 2
s4 0 0 -0.67 0.33 0.00 1.00 0.67
 Cambios máximos en la relación
Utilidad / Costo marginal
• Buscar intervalos permisibles de variaciones
en las utilidades y/o costos marginales.

• Se trabaja con la función objetivo en la tabla

óptima

• El análisis se debe hacer de forma individual y

no simultánea.
Cambios máximos en la relación
Utilidad / Costo marginal
Caso 1: Variables Básicas

x1 x2 s1 s2 s3 s4 T.I.
z 0 0 0.33 1.33 0.00 0.00 12.67 Max z = 2x1 + 3x2
x1 1 0 0.67 -0.33 0.00 0.00 1.33
x2 0 1 -0.33 0.67 0.00 0.00 3.33
s3 0 0 -1.00 1.00 1.00 0.00 3.00
s4 0 0 -0.67 0.33 0.00 1.00 0.67
Cambios máximos en la relación
Utilidad / Costo marginal
Caso 2: Variables No Básicas

x1 x2 s1 s2 s3 s4 T.I.
z 0.5 0 0 2.5 0 0 20 Max z = 2x1 + 5x2
s1 1.5 0 1 -0.5 0 0 2
x2 0.5 1 0 0.5 0 0 4
s3 1.5 0 0 0.5 1 0 5
s4 1 0 0 0 0 1 2
 Ejercicios (auto-estudio)
• De los P.L. Planteados en “Modelos de
Decisión”, realizar el análisis de
sensibilidad completo

• Del libro de Taha

• Ejercicios: 3-39, 3-40 y 3-41
 ¿alguna
pregunta?
paaraujo@uce.edu.ec