Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Separata - Simplex - 2012 I
Separata - Simplex - 2012 I
El Método Simplex es una técnica algebraica desarrollada por George Dantizing para
resolver un problema de programación lineal. El método es un algoritmo, o conjuntos de
operaciones matemáticas explícitas, efectuado de una manera iterativa hasta encontrar una
solución óptima. Aún cuando el método es lo suficientemente simple para permitir el
cómputo manual para los problemas más pequeños, la aplicación de la computadora para el
método simplex es sin lugar a dudas el planteamiento más fácil y más usado para la
solución de los problemas que implican muchas variables.
Preparación para la solución Simplex
La forma general del Modelo de PL que usaremos para la solución simplex para el Caso de
Maximización es:
Maximizar: Z = C1 X1 + C2 X2 +... + Cj Xj + + CnXn
Sujeto a:
a11X1 +a12X2 +....+ a1j Xj +.................+ a1nXn <= b1
X i >=0, i = 1,2.............., n
Todas las restricciones tienen desigualdades tipo ( <= ) y todos los b i (i = 1,2,.................., n )
deben ser no negativos ( > 0 ). Los procedimientos diseñados para solucionar los
problemas de minimización, las desigualdades tipo >= y los b i <0 serán discutidos .luego.
El problema de las raquetas XYZ será usado como ejemplo para ilustrar el proceso de
preparación del problema y el método simplex
La compañía XYZ manufactura dos tipos de raquetas para tenis: Uno "Básico" (Peso
Ligero) usados en los juegos de Ligas Menores y el "Profesional" (Golpeador) que se
vende a los equipos de Ligas Mayores. La producción de una raqueta requiere una
operación de torno para darle su forma, un proceso de lija para suavizar la madera y para
los "profesionales" tan solo una mano de laqueado como tratamiento final. Una raqueta
para la Liga Menor requiere un minuto en un torno de alta velocidad en tanto que una
raqueta para Liga Mayor, toma dos minutos de tiempo de torneado, puesto que se le debe
dar la forma con tolerancias muy estrechas. Debido a la rápida dada de forma del básico,
se requiere tres minutos de máquina lijadora, en tanto que el profesional necesita sólo
dos minutos para ser lijado. El laqueado es hecho a mano y como resultado de esto
sólo pueden producirse 400 raquetas profesionales durante una semana. Para una semana
promedio de trabajo debe utilizarse 1000 minutos de tiempo de torno y 1800 minutos de
tiempo de lijado.
XYZ realiza una contribución neta a los gastos generales y utilidad de $3 por cada
raqueta básica y de $4 por cada profesional producida. Asumir que la compañía puede
vender tantas raquetas de cada tipo como las que pueden producir.
Solucion
Maximizar: Z = 3 X 1 + 4 X2
Sujeto a:
X1 + 2X2 <= 1000
3X 1 +2X 2 <= 1800
X2 < = 400
Xi>=0, i = 1 , 2 , 3 , 4 , 5
Donde:
X1 = numero de raquetas básicos producidos por semana
X2 = numero de raquetas profesionales producidos por semana
X2 (cientos P)
D
3.X1 + 2 X2
G
X2 =400
B E
F(4,3)
.X1 + 2 X2
X1 (cientos B)
A
H I
Puesto que cada una de las restricciones son del tipo " menor o igual", (caso de holguras),
debemos sumar nuevas variables de holgura ó variables libres, para obtener:
Maximizar: Z = 3 X1 + 4 X2 + 0 S1 + 0 S2 + 0 S3
Sujeto a:
X1 + 2X2 + S1 = 1000
3X 1 +2X 2 + + S2 = 1800
X2 + + S3 = 400
Como las variables libres S 1, S2y S3 representan tiempo de torno, de máquina de lijar y
capacidad de laqueo no usado; estas no contribuyen con nada a la función objetivo y son
agregadas a Z, multiplicadas por coeficientes cero. En algunos casos, un costo como multa
puede ser cargado por capacidad ociosa y un coeficiente negativo se asociaría con una o
más variables libres. Tales cargos no aparecen comúnmente en problemas del "mundo
verdadero".
Soluciones Factibles Básicas:
Maximizar:
G
B
E
F
A
pppp H I
Segundo Pívot: Tomamos como variables básicas X2 , S1 y S2 , siendo entonces las variables no
básicas: X1 , S3 = 0 , entonces tendríamos en el sistema de ecuaciones:
2X2 + S1 = 1000 - X1
2X 2 + S2 = 1800 – 3X 1
X2 = 400 - S3
X2 = 400 Para X1 , S3 = 0
S1 = 200
S2= 1000
Una solución básica factible es una solución básica para la cual los valores de todas las variables
satisfacen las restricciones (incluido las condiciones de no negatividad) del Modelo Ampliado. En
consecuencia en el gráfico vemos que: "las soluciones C, D, G y I se puede comprobar que son
soluciones básicas pero no factibles" (alguna variable tendrá una solución negativa)
En el punto A (X1, X2 = 0) estamos por debajo de las tres líneas de restricción, por consiguiente las
tres variables libres son mayor que 0. Es una solución básica factible.
En el segmento BC, la variable X1 une a X2 , S1 , S2 en valores>0. Será una solución factible pero no
básica, hasta que nos encontramos con la otra restricción (recta: X 1 + 2X2 + S1 =1000) en el punto
C. Aquí la variable libre S1 asociada con la restricción: X1+ 2X2 + S1 = 1000 se convierte en 0.
Procediendo de esta manera podemos identificar fácilmente las soluciones básicas factibles asociadas
con cada punto extremo de la región factible.
Tipo
Punto x1 x2 S1 S2 S3 Z
solucion
NO
¿ 0 ¿ ¿ 0
EXISTE
El procedimiento comienza con una solución básica factible inicia! ignorando completamente
todas las soluciones no factibles y procede a identificar sólo aquellas básicas factibles que
incrementan el valor de ia función objetivo hasta localizar una solución óptima.
X 1 + 2X 2 + S 1 = 1000 ....(1)
3X1 + 2X 2 + S2 =1800 ....(2)
X2 +S 3 = 400 .... (3)
El problema de hallar una solución básica inicial que sea también factible, en este caso, la
solución:
S 1 = 1000
S2 = 1800 Para X1, X2 = 0 .... Primer pívot. Esta solución corresponde al origen
S3 = 400 de coordenadas con un valor de Z=0
II) Segunda solución (2o Pívot).- La lógica del algoritmo simplex es de comenzar con una
solución básica factible y pasar secuencialmente a otra Solución Básica Factible (SBF)
adyacente que incremente el valor de Z.
El problema de pivotear en método simplex es el de seleccionar las variables por egresar y
hacer entrar en la base de una solución subsiguiente de manera tal que:
a) El valor de Z sea incrementada
b) Sea factible la nueva solución básica (2o Pívot)
Así en este caso tenemos, Z= 3 X 1 + 4 X2 y vemos que la variable que hace incrementar más
a Z es X2 (factor 4 > 3).
Entonces decidimos ingresar a la BASE (Variables básicas) a X 2. Ahora veamos que
variable egresa de la BASE. Para esto expresamos las anteriores variables básicas de la
siguiente forma (despejando del sistema inicial):
S 1 = 1000 -X 1 -2X 2
S 2 = 1800-3X 1 -2X 2
S3 = 400-X 2
A X1 ya hemos visto en paso anterior que queda como variable no básica, luego las
expresiones anteriores quedan simplificadas así, para X1 = 0
S 1 = 1000 -2X 2 Como S 1 >= 0 Entonces 1000 -2X 2 >= 0
S 2 = 1800 - X 2 Como S 2 >=0 Entonces 1800 - X 2 >= 0
S 3 = 400 - X 2 Como S 3 >=0 Entonces 400 - X 2 >= 0
Observamos que para X2 = 400, S3 = 0, S1 = 200, S2 = 1000. Es decir que la variable que se
acerca a cero más rápidamente cuando X 2 se incrementa es S 3 . Por tanto
seleccionamos a S3 como la variable que sale de BASE. La nueva base será: S 1, S2, X2 y las
variables no básicas: X1 y S3.
Ahora eliminamos a X 2 de la expresión Z = 3 X 1 - 4 X2 y de las ecuaciones (1) y (2)
anteriores de la solución inicial.
Así:
Z - 3 X1 - 4 X 2 = 0 (I)
X1 +2X2 + S1 = 1000 (1)
3X 1 + 2 X 2 +S2 = 1800 (2)
X2 +S3 = 400 (3)
III) Tercer Pívot.- Para definir que variable ingresa a la BASE y cual otra sale de BASE,
procederemos como en el paso anterior II):
Observamos Z = 1600 + 3X1 – 4S3
Pregunta : ¿Hay todavía alguna variable que incremente a Z?
Respuesta : Sí y es X 1 . La otra variable S 3 al incrementar, haría disminuir a Z, por
consiguiente decidimos que X 1 ingrese a BASE.
Ahora veamos que variable sale de BASE. Expresamos las anteriores variables
despejándolas de la última presentación del sistema de ecuaciones
De:
X1 + S1 – 2 S3 = 200 S1 = 200 – X1 + 2 S3
3 X1 + S2 – 2 S3 = 1000 S2 = 1000 – 3 X1 + 2 S3
X2 + S3 = 400 X2 = 400 - S3
S1 = 200 - X1
S2 = 1000 - 3X1 Y la mayor variación posible de X 1 que no haga negativo a S 1
X2 = 400 y sea una solución factible (X1 =200), hace a S1= 0. En cambio
S2 sigue siendo (+) para ese valor de X1.
Z +3 S1 - 2S 3 = 2200.........(III)
X1 + S1 - 2S 3 = 200 ....... ( 7 )
-3S 1 + S 2 + 4S 3 = 400 ........ ( 8 )
X2 + S3 = 400 ....... (9)
base ecuación Z X1 X2 S1 S2 S3 Bi
0 1 3 -2 2200
X1 I 1 1 -2 200
S2 II -3 1 4 400
X2 III 1 1 400
La SBF será:
X1 = 200
X2 = 400 S1 = S3 = 0 —► 3er Pívot
S2 = 400 Z = 2200
Esta solución corresponde al vértice E ( en solución gráfica) con un valor de Z = 2200, y por
consiguiente es una SBF.
BASE ecuación Z X1 X2 S1 S2 S3 Bi
0 1 3/2 1/2 2400
X1 I 1 -1/2 1/2 400
S3 II -3/4 1/4 1 100
X2 III 1 3/4 -1/4 300
Observamos que ya no existen variables que puedan hacer aumentar a Z, por lo tanto
Luego la SBF será la óptima, el valor máximo de Z:
X1=400
X2=300 y: Z = 2400
S3 =100
S 3 (Variable de holgura relacionada con las raquetas profesionales) tiene un valor de 100,
lo que indica que para la solución óptima serán necesarios fabricar sólo 300 raquetas
profesionales.
Sujeto a:
X 1 +2X 2 +S 1 = 1000 …..(1)
3X1+2X2 +S 2 = 1800 …..(2)
X2 +S 3 = 400…..(3)
Xi ; Si >= 0 ...............................(4)
1° 1
Base °
: S1,
S2, S3 S
1° B Orige
No F n
Base gráfic
:
oyZ
: S1 = =0
X1, 1000
X2 S2
1800
S3
400
X1
=X2 =
0
Tabla (0) inicial:
Regla para definir variable que entra a Base : En la tabla Standard la ecuación (0): se escoge
variable con signo más negativo. -4 ( es la que maximiza más a Z), es decir X 2
Regla para definir variable que sale de Base: En tabla calculamos:
= bi / ai r , donde:
Donde:
bi = última columna
air = Coeficiente de variable que entra (X 2)>0 (en restricción)
Para air > 0
Si air = 0 límite impuesto por ecuación asociada es
infinitamente grande. Se descarta
Si air < 0 valor negativo indefinido, la ecuación no le
coloca límite alguno a variable que ingresa. Se
descarta.
En este caso, por ejm: Calculamos para cada caso:
a) 1000/2 = 500 b) 1800/2 = 900 c) 400/1 = 400
Escogemos el menor valor que en este caso corresponde a variable básica S 3
Entonces:
2° Base : S1 , S2 , X2 2°
no Base : X1 , S3
Tabla (1): Como entra X2 , tenemos que eliminar X2 de Z, para determinar nueva expresión de
Z. Igual eliminamos X2 en ecuaciones (1) y (2) de la tabla anterior. Despejando X2 de
ecuación (3) de la misma tabla anterior: X 2 = 400 – S3 y reemplazando en las anteriores, el
sistema queda expresado:
3° no Base ; S1 , S3
4° Base :X 1,X2, S3
4° no Base : S1 , S2
BASE ecuación Z X1 X2 S1 S2 S3 bi
0 1 3/2 1/2 2400
X1 I 1 -1/2 1/2 400
S3 II -3/4 1/4 1 100
X2 III 1 3/4 -1/4 300
Vemos en la última Z que todas !as variables son positivas, en consecuencia ninguna le
puede dar valores mayores, en consecuencia hemos llegado a la solución óptima.
CASO DE MINIMIZACIÓN
En este caso una Solución Básica Factible (SBF) es óptima si no es posible identificar una
variable que si incrementa en valor haqa decrecer el valor de la función objetivo ( Z).
En términos de Tabla Simplex, si en cualquier ecuación (0) los coeficientes son >0, la
variable no básica asociada hará decrecer Z si esta fuera a ingresar a la BASE. Sólo
cuando todo los coeficientes de la ecuación (0) son <0, se habrá llegado a la solución
óptima.
La variable que debe ingresar a BASE es aquella que resulta en la mayor disminución
marginal de Z. (Seleccionar la variable con el máximo coeficiente + ). La regla para
determinar la variable que sale de BASE es la misma que en el caso de maximización
La expresión general del tipo de restricción en este caso es:
Por tanto, debemos hallar otro tipo de solución para desigualdades del tipo >= ó cuando bi < 0,
en restricción original. Para lo cual introducimos el concepto de:
Variables artificiales.- Siendo S2 y S3 " déficit" en la restricción y para obtener una SBF
inicial, añadimos variables artificiales con coeficiente 1, en ambas restricciones (2) y (3)
quedando:
X1 + X 2 + S 1 = 10
2X 1 + X 2 -S 2 +A 2 =8
X 1 +2X 2 -S3 +A 3 = 10
Ahora la 1° SBF es:
S1 = 10
A2 = 8
A3 =10
Pero al agregar variables artificiales en las restricciones (2) y (3), hemos eliminado el
significado de las restricciones originales, así por ejemplo si en la restricción ampliada:
2X1 + X2 –S2 + A2 = 8 , hacemos X 1 = 1 , X 2 = 4 , S 2 = 3 y A 2= 5
2X1 +4 -3 + 5 = 8 satisface la ecuación, pero no la restricción original (2X 1 + X 2 >=8)
Es decir, que una variable artificial aparezca en la solución óptima del modelo ampliado no es
garantía que ésta sea solución óptima para el modelo original, puesto que puede ser una
solución no factible.
Esta eventualidad se la evita asegurándose que las variables artificiales no aparezcan en la
BASE óptima (última Tabla). Cuando las variables artificiales ( A 2 y A3) son igual a cero, las
restricciones aumentadas corresponden una vez más a las restricciones originales.
Esto se asegura imponiendo un valor de coeficiente muy alto a la variable artificial, para
traerla a la BASE. En la Función Objetivo ( Z ) para el problema de minimización le damos a
ese valor positivo (+) muy grande la denominación de " M" . El Método Simplex mantendrá
siempre a estas variables artificiales fuera de solución, puesto que al tratar de ingresarlas a
BASE en vez de minimizar Z, estaríamos produciendo un efecto inverso.
Este esquema para tratar a la " variable artificial" es el que se conoce con Método de la M
mayúscula ó Método de la Penalización.
Luego el Modelo Ampliado se manifiesta, en este ejemplo como:
Minimizar Z = 60 X1 + 60 X2 + MA 2 + MA 3
s.a:
X1 + X2 + S1 = 10.....(1)
2X1 + X2 -S2 + A2 = 8.....(2)
X1 + 2x2 -S 3 +A3 = 10......(3)
En modo de Tabla 1:
60 60 0 0 0 M M
BASE ecuación Z X1 X2 S2 S3 S1 A2 A3 Bi
0 1 0
0 S1 I 1 1 1 10
M A2 II 2 1 -1 1 8
M A3 III 1 2 -1 1 10
Observamos que la función objetivo (ecuación: 0) tiene términos de variables básicas (A2 , A3 ),
que debemos desaparecer antes para aplicar la prueba de optimalidad. Esto lo obtenemos
añadiendo M veces las ecuaciones (2) y (3) a ecuación (0), resultando finalmente la siguiente:
Tabla 2:
60 60 0 0 0 M M 0
BASE ecuación Z X1 X2 S1 S2 S3 A2 A3 bi bi /air
0 1 (3M-60) (3M-60) -M -M 18M Entra X1
0 S1 I 1 1 1 10 10/1=10 Sale A2
M A II 2 1 -1 1 8 8/2=4
2
M A III 1 2 -1 1 10 10/1=10
3
Se escoge la variable con coeficiente (+) máximo, a la inversa del caso de maximización, puesto
que ahora nuestro objetivo es minimizar la función objetivo Z. En este caso X1 ó X2 cumplen
igualmente la condición por lo que podemos escoger cualquiera de las dos variables. Escogemos
X1 como variable que entra a la BASE.
Para seleccionar variable que sale de base, en la última columna (bi /air) si seguimos el mismo
criterio y entonces escogemos la de menor valor: A2 , para que salga de BASE.
Tabla3:
60 60 0 0 0 M M 0
BASE ecu Z X1 X2 S1 S2 S3 A2 A3 bi bi /air
0 1 (3/2)M -30 (1/2)M -30 -M -(3/2)M +30 6M+240 Entra
X2
0 S1 I 1/2 1 1/2 -1/2 6 6/0.5
=12
60 X1 II 1 1/2 -1/2 1/2 4 4/0.5
=8
M A3 III 3/2 1/2 -1 -1/2 1 6 6/1.5
=4
Sale A3
En este caso variable que entra a BASE es X2 por tener coeficiente (+) máximo y como variable
que sale de BASE a A3 por tener el menor valor su relación (bi / air ) = 4
60 60 0 0 0 M M 0
BASE ecuacion Z X1 X2 S1 S2 S3 A2 A3 bi
0 1 -20 -20 (20-M) (20-M) 360
0 S1 I 1 1/3 1/3 -1/3 -1/3 4
60 X1 II 1 -2/3 1/3 2/3 -1/3 2
60 X2 III 1 1/3 -2/3 -1/3 2/3 4
Observamos que la función objetivo Z tiene ahora todos los coeficientes negativos, es decir ya no
hay otra variable que haga disminuir más a Z, y por consiguiente estamos en la solución optima.
Luego los resultados se deducen de la tabla:
Z optimo = 360
X1 = 2
X2 = 4
S1 = 4 (holgura o cantidad no utilizada del recurso b1 )
S2 = S3 = 0 (indica que no se producirá ningún excedente de los recursos b2 y b3 )
1 En la columna xB se colocan las variables Básicas. Con las filas correspondientes a estas
variables se forman una matriz identidad.
2 En la columna BJ se colocan las igualdades, que representan los valores iniciales de las
variables Básicas, con lo cual se tiene una primera solución Factible, si no es la mejor
solución se prueba con otro conjunto de soluciones.
3 Coeficientes de las variables Básicas en la función objetivo del modelo.
4 Colocar columnas para cada una de las variables.
5 Coeficientes de las variables en la función objetivo.
6 Coeficientes de las variables en cada una de las restricciones.
7 Valor de la función Objetivo.
8 Valores Z de acuerdo al criterio de Optimalidad
Zj - Cj = CB Xj - Cj
8.1. Para un caso de maximización calculamos Zj - Cj para cada variable que no está en la
presente solución.
a) Si para al menos un j , Zj - Cj es negativo y si al menos un a ij para este j es
positivo, entonces existe una mejor solución factible.
b) Si para una j , Zj - Cj es negativo pero los a ij para esta j son no positivos, entonces
la función objetivo no está acotada.
c) Si un j, Zj - Cj es positivo para todo j, entonces la solución óptima se ha
encontrado.
8.2 Si estamos en el caso 1 a), identificamos la variable que da el más negativo Zj - Cj como
Xk (columna pivote).Llamamos X r a la variable que se reduciría a cero al aplicar la regla del
(es la fila pivote). El elemento a rk se llama elemento pivote.
8.3 Dividimos la r-esima fila por a rk (elemento pivote), para reducir a 1 el correspondiente
elemento de a rk en la tabla siguiente. Efectuamos luego las operaciones de fila que
reducirán a cero todos los otros a ik. ( por reemplazo de variable que sale de BASE).
8.4 Repetimos los pasos 1, 2 y 3 hasta que en alguna tabla se cumpla la condición 1 c).
Entonces se ha obtenido la solución óptima.
La teoría del método simplex asegura que la solución hallada en cada paso tiene un valor
mayor o al menos igual, que el de la solución anterior. Puesto que el número de soluciones
básicas del sistema de ecuaciones es finito, el algoritmo debe converger hacia la solución
óptima en un número finito de iteraciones. La experiencia ha demostrado que el número de
iteraciones que deben efectuarse en la mayoría de problemas que se encuentran en la práctica
oscila entre m y 2m.
Los valores Z de las variables Básicas siempre son cero. Si las variables no Básicas la
convertimos en variables Básicas en la siguiente solución, haríamos variar marginalmente el
valor actual de la función objetivo.
CB XB X1 X2 S3 A1 S2 A3 Bi θi
Z j - Cj
A1
S2
A3
CARACTERÍSTICAS
Bi
9. Identificar la variable que sale θi = a = ratio
i j
´
Solamente para aquellas filas que tengan un a i j mayor que cero
10. La fila de la variable que ingresa es igual a la fila de la variable que sale dividida entre el
pívot.
11. la fila nueva es igual a una fila antigua menos la fila de la variable que ingresa multiplicada
por el semipívot.
12. Si hay empate en el criterio de θi , se escoge cualquiera de ellos. También se puede emplear la
regla lexicografía (izquierda a derecha).
13. Se tiene solución optima cuando:
Minimización ZVB = 0
ZVNB < 0
Maximización ZVB = 0
ZVNB > 0
14. Soluciones Optimas Múltiples .- también se les llama infinitas soluciones optimas ó
soluciones optimas alternativas. cuando en la solución Optima para alguna VNB, Z = 0
Se tienen soluciones múltiples y se puede hacer de la VNB correspondiente una variable de
entrada.
15. Solución no factible.- El problema no tiene solución cuando en la solución optima se tienen
las variables artificiales Ai > 0, cuando en situaciones reales el problema no tiene solución
se debe a:
a) Inconsistencia en la información, revisar para identificar y determinar la causa de la
inconsistencia.
b) Hay error, revisar si la formulación es correcta.
16. Una restricción de igualdad siempre es Activa ó Limitante
17. una restricción de desigualdad (<= ó >= ) solamente es Activa si al evaluarlo en condiciones
optimas se mantiene la igualdad solamente
DUALIDAD
Es una característica o propiedad que tienen los problemas de programación lineal (PL), que
consiste en que a partir de un problema de PL se va a poder construir otro modelo de PL que debe
cumplir con ciertas características.
MIN
MAX
<= >=
Yi >= 0
Xj >= 0
A partir de este nuevo modelo podemos determinar que pasaría con el valor de la función
Objetivo si variamos los recursos.
UNIDADES DE LA FO (PRIMAL)
PRECIO DUAL yi =
UNIDADES DEL RECURSO
UNIDADES DE LA FO (PRIMAL)
COSTO REDUCIDO yi =
UNIDADES DEL PRODUCTO
Costo reducido.- Para cualquier VNB el costo reducido es la cantidad en la cual hay que mejorar
el coeficiente de la FO de la VNB antes de que esta variable sea una VB en alguna solución
optima.
Para
Rango de variación CK (VB).- La variación del CK de una VB solo afecta a los (Z j - Cj ) de las
VNB (sin considerar las variables artificiales)
Zj Cj
CK = MAX MIN
a ik ∆Ck a ij < 0 aij > 0
menor Ck aij > 0 a ij < 0
K = subíndice de la variable
i = fila donde se encuentra CK
j = columna de la VNB
Bj
bj = a aij > 0 bi aij < 0 ∆bj
ij
Procedimiento explicativo
Se ubica en el tablero óptimo la variable de holgura correspondiente al recurso a analizar.
Ubicar los aij correspondientes a la columna de la variable de holgura considerado
Ejemplo:
0 0 1 80 80 + 0 ∆b2
0 0 1 80 80 + 0 b2
Muy importante
Se utiliza para encontrar la solución optima del dual de un problema de PPL donde la FO puede
ser de maximización o minimización y consta de los siguientes paso:
1. Se expresa las restricciones de la forma menor o igual.
2. Condicion de factibilidad.- la variable que sale es aquella VB que tiene el valor más negativo.
si todas las variables VB son no negativas y se cumplen las condiciones de optimización del
método simplex. La solución optima ha sido hallada.
3. Condiciones de Optimalidad.- la variable que entra se elige entre las VNB teniendo en cuenta:
3.1 Para cada VNB se determinan los coeficientes formados por los coeficientes del lado
izquierdo de la fila Z con los coeficientes correspondientes a la fila asociada a la variable que
sale.
3.2 Ignore los coeficientes asociados a denominadores positivos o ceros.
3.4 si todos los denominadores tienen valor (+) o ceros el problema no tiene solucion factible.
3.5 La variable que entra es la que tenga el cociente más pequeño si el problema es de
minimización.
3.6 la variable que entra es la que tiene el cociente mas pequeño en valor absoluto si el
problema es de maximización.