Documentos de Académico
Documentos de Profesional
Documentos de Cultura
7012 - Metodo Simplex Matricial y Tableau PDF
7012 - Metodo Simplex Matricial y Tableau PDF
METODO SIMPLEX
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
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.
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
Gauss-Jordan
Tercero
Se obtiene 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 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.
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.
Sale de solución aquella variable que tenga el
æX ö æX X ö
Minçç Bi , donde Yir > 0 ÷÷ = Minçç B1 , B 2 ,....., donde Yir > 0 ÷÷ ,
è Yir ø è Y1r Y2 r 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.
æX ö
En la matriz B la columna de la variable que tuvo el Minçç Bi ÷÷ abandona la base de
è Yir ø
solución y entra en su lugar la columna de la variable r.
Séptimo
Regresar al paso 2, hasta que se cumpla el criterio de optimización, considerado en el
paso 4.
Ejemplo:
Forma canónica
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
Forma estándar
Max Z = 5 x1 + 3 x 2 , sujeto a :
3 x1 + 5 x 2 + x 3 = 15
5 x1 + 2 x 2 + x 4 = 10
x1 , x 2 , x 3 x 4 ³ 0 y x 3 , x 4 son variables de holgura
é15ù é3 5 1 0ù C j = [5 3 0 0]
b=ê ú A=ê
Dado ë10 û ë5 2 0 1úû que las columnas de a 3 y a 4 forman las
columnas de la matriz identidad ( x 3 y x 4 son variables básicas), hacemos que:
b1 = a 3 y b2 = a 4
é1 0 ù é1 0ù
B=ê ú B -1 = ê ú
ë0 1 û ë0 1 û
é1 0ù é15ù é15ù ¬ x 3 = x B1
x B = B -1 b = ê ú ê ú = ê ú x1 = x 2 = 0
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:
é3ù é5 ù
z1 = C B y1 = [0 0]ê ú = 0 z 2 = C B y 2 = [0 0]ê ú = 0
ë5û ë 2û
zj - cj < 0 z1 - c1 = 0 - 5 = -5 z 2 - c 2 = 0 - 3 = -3
se toma el z j - c j más negativo. Así, la variable entrante será x1 .
Analizando la variable que sale de solución:
é1 - 3 5ù é15ù é9ù ¬ x 3 = x B1
x B = B -1 b = ê = x2 = x4 = 0
ë0 1 5 úû êë10úû êë2úû ¬ x1 = x B 2
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:
é1 - 3 5ù é0ù é- 3 5ù ¬ y14
y 4 = B -1 a 4 = ê =
ë0 1 5 úû êë1úû êë 1 5 úû ¬ y 24
é19 5ù é - 3 5ù
z 2 = c B y 2 = [0 5]ê ú = 2 , z 4 = c y
B 4 = [0 5]ê 1 5 ú =1
ë2 5û ë û
z 2 - c 2 = 2 - 3 = -1, z4 - c4 = 1 - 0 = 1
se toma nuevamente aquella variable que tenga el z j - c j más negativo,
correspondiendo a x 2 salir de solución.
Se analiza ahora la variable que abandonará la solución;
x Br ì 9 2 ü ì 9 ü x3
= Min í , , y ij > 0ý = í ý¬
y rj î19 5 2 5 þ î19 5 þ y12
por lo que x 3 sale de solución.
y el próximo valor de Z ( Z mejorada) será:
x 235
Zˆ = Z + 2 (c2 - z2 ) = 10 + 45 19 (3 - 2) =
y12 19
Nuevamente continuando con este proceso iterativo, ahora haciendo b1 = a 2 y b2 = a1 ,
tenemos:
é5 3ù é 5 19 - 3 19ù
B=ê ú B -1 = ê
5 19 úû
y
ë2 5û ë- 2 19
é 5 19 - 3 19 ù é15 ù é 45 19 ù ¬ x 2 = x B1
x B = B -1 b = ê = x3 = x 4 = 0
5 19 úû êë10 úû êë 20 19 úû ¬ x1 = x B 2
,
ë - 2 19
é 5 19 ù
z3 = CB y3 = [3 5] ê ú = 15 19 - 10 19 = 5 19
ë- 2 19û
é- 3 19ù
z4 = C B y4 = [3 5] ê ú = - 9 19 + 25 19 = 16 19
ë 5 19 û
z 3 - c 3 = 5 19 - 0 = 5 19 z 4 - c 4 = 16 19 - 0 = 16 19
encontramos que como todos los valores de z j - c j son mayores que cero, entonces
ninguna otra variable entrará en solución ya que ésta es óptima.
Así la solución óptima será:
é45 19ù
Z = C B x B = [3 5]ê ú = 235 19
ë 20 19 û
é45 19ù
por lo que x 2 y x1 son variables básicas x B = ê ú , ya que con estos valores la
ë 20 19 û
235
función objetivo es óptima ( Z *
= ).
19
cj c1 c2 c3 L cn
CB XB b x1 x2 x3 L xn x Br y rj
| | | |
a1 a2 a3 L an
| | | |
Z* zj
zj - cj
Ejemplo:
Resolviendo el ejemplo anterior por la forma tabular, tenemos;
Max 5 x1 + 3x 2 , sujeto a :
3 x1 + 5x 2 £ 15
5 x1 + 2x2 £ 10
x1 , x 2 ³ 0
Tabla 2
cj 5 3 0 0
CB XB b x1 x2 x3 x4 b y rj
0 x3 9 0 19 5 1 -3 5 45 19 ¬ Sale x3 de solución
5 x1 2 1 25 0 15 15
*
Z 5 2 0 1 zj
10 0 -1 0 1 zj -cj
- Entra x2 en solución
cj 5 3 0 0
CB XB b x1 x2 x3 x4 b yrj
3 x2 45 19 0 1 5 19 - 3 19
5 x1 20 19 1 0 - 2 19 5 19
*
Z 0 0 5 19 16 19 zj
235 19 0 0 5 19 16 19 z j - cj
1. En la fila zj-cj las posiciones que corresponden a las variables básicas tienen valor
cero
2. Las columnas de las variables básicas forman la matriz identidad
Z x1 x2 x3 x4 x 5 (L.D.)
zj - cj 1 -5 -3 0 0 0 ¬ Fila de z j - c j
x3 0 3 5 1 0 15
x4 0 5 2 0 1 10
Min Z sujeto a :
Z - CB X B - CN X N = 0
BX B + NX N = b
XB, XN ³ 0
desde :
Z = C B B -1 b
y
X B + B -1 NX N = B -1 b
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; ¿Son todos los valores de Zj-
Cj ³ 0 ?
Minimización; ¿Son todos los valores de Zj-
Cj £ 0 ?
Si No
Solución Optima
Determinar la variable que entra en solución:
Para un problema de :
Maximización:
Maximización; Entra la variable que en la fila de
Cuando todos los
Zj-Cj tenga el valor mas negativo.
valores de Zj-Cj ³ 0.
Minimización; Entra la variable que en la fila de
Zj-Cj tenga el valor mas positivo.
Minimización:
Cuando Todos los
Determinar la variable que sale de solución:
valores de Zj-Cj £ 0. Divida cada elemento del renglón de b entre el
elemento correspondiente (mayor que cero) del
Obtener de la tabla los renglón de la variable que entra en solución; y
valores de las variables abandonara la solución aquella variable en XB que
y de la función corresponda al cociente menor.
objetivo Z.
Establezca como elemento pivote aquél que se
encuentre en el cruce del renglón de la variable
entrante y la columna de la variable saliente.
Continuar el proceso
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 M es un valor muy grande (mucho mayor que cualquier coeficiente de las
variables en la función objetivo) por ejemplo: M >>> 0.
Como las variables artificiales no tienen ningún significado en el problema. Son definidas
como un artificio (ya que es una conveniencia matemática para lograr la matriz identidad
y así una solución inicial básica factible), y por lo cual ninguna variable artificial deberá
formar parte de una solución básica factible. Para eliminar las variables artificiales de la
solución, se les asigna en la función objetivo original coeficientes, tales que haga su
presencia no atractiva en la base.
Para ilustrar esto, suponga que deseamos resolver el siguiente problema de Programación
Lineal, donde b ³ 0.
Maximice CX
Sujeto a:
Ax = b
x ³ 0.
Ax + Xa = b
x, Xa ³ 0
La solución inicial básica factible está dada por xa = b y x = 0. Para mostrar que se desea
tener un vector artificial mayor que cero, la función objetivo es modificada de la forma
que una penalización alta es pagada para cualquier solución.
Minimice CX + MXa.
Sujeto a:
Ax + Xa = b
x, Xa ³0
El método simplex por sí mismo, trata de eliminar las variables artificiales de la base, y
entonces continua tratando de encontrar la solución optima a el problema original.
Ejemplo:
Minimizar Z = x1 - 2x2
Sujeto a:
x1 + x2 ³ 2
-x1 + x2 ³ 1
x2 £ 3 x1 y x 2 ³ 0
donde :
Xh son variables de holgura.
Xa Son variables artificiales.
M es un número positivo muy grande.
Tabla 1
Cj 1 -2 0 0 0 M M
CB XB b X1 X2 X3 X4 X5 X6 X7
M X6 2 1 1 -1 0 0 1 0 Sale X7 de
M X7 1 -1 1 0 -1 0 0 1 solución
0 X5 3 0 1 0 0 1 0 0
0 2M -M -M 0 M M
Z= 3M -1 2+2M -M -M 0 0 0
Entra X2 en solución
Tabla 2
Cj 1 -2 0 0 0 M M
CB XB b X1 X2 X3 X4 X5 X6 X7 Sale X6 de
M X6 1 2 0 -1 1 0 1 -1 solución
-2 X2 1 -1 1 0 -1 0 0 1
0 X5 2 1 0 0 1 1 0 -1
2M+2 -2 -M M+2 0 M -2-M
Z= -2+M 1+2M 0 -M M+2 0 0 -2-2M
Entra X1 en solución
Tabla 3
Cj 1 -2 0 0 0 M M
CB XB b X1 X2 X3 X4 X5 X6 X7
1 X1 1/2 1 0 -1/2 1/2 0 1/2 -1/2
-2 X2 3/2 0 1 -1/2 -1/2 0 1/2 1/2
0 X5 3/2 0 0 1/2 1/2 1 -1/2 3/2 Sale X1 de
1 -2 1/2 5/2 0 -1/2 -3/2 solución
Z= -5/2 0 0 1/2 5/2 0 -1/2-M -3/2-M
Entra X4 en solución
Tabla 4
Cj 1 -2 0 0 0 M M
CB XB b X1 X2 X3 X4 X5 X6 X7
0 X4 1 2 2 -1 1 0 1 -1
-2 X2 2 1 1 -1 0 0 1 0
0 X5 1 -1 -1 1 0 1 -1 0
-2 -2 2 0 0 -2 0 Sale X5 de
Z= -4 -3 0 2 0 0 -2-M -M solución
Entra X3 en solución
Tabla 5
Cj 1 -2 0 0 0 M M
CB XB b X1 X2 X3 X4 X5 X6 X7
0 X4 2 1 0 0 1 1 0 -1
-2 X2 3 0 1 0 0 1 0 0
0 X3 1 -1 0 1 0 1 -1 0
0 -2 0 0 -2 0 0
Z= -6 -1 0 0 0 -2 -M -M
Como todos los zj-cj son £ 0 para todas las variables no-básicas. Esta tabla nos indica que
esta solución es óptima.
Teniendo el resultado siguiente x4 = 2, x2 = 3, x3 = 1 y las variables restantes son iguales
a cero. Con un valor optimo de la función objetivo Z de -6.
La primera fase consiste en convertir todas las variables artificiales en cero, para obtener
una solución básica factible para las variables reales del problema.
La segunda fase consiste en optimizar la función objetivo actual Z, iniciando de una
solución básica factible que puede o no contener variables artificiales a nivel cero.
FASE I
Se inicia con una solución básica factible formada con algunas variables artificiales y con
la finalidad de eliminar las variables artificiales.
Se optimiza la función:
FASE II
La primera tabla de la fase II, es la última tabla de la fase I, sufriendo los siguientes
cambios; 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. Una vez que se
han realizado estos cambios, se aplica el Método Simplex nuevamente para optimizar la
función objetivo Z.
Ejemplo:
Minimizar Z = -X1
Sujeto a:
X1 + X2 - X3 + X4 - X5 +2X6 = 2
2X1 - X2 - X3 - 2X4 + X5 - X6 = 3
3X1 - 2X3 - X4 +X6 = 5
Minimizar Z = -X1
Sujeto a:
X1 + X2 - X3 + X4 - X5 +2X6 +X7 =2
2X1 - X2 - X3 - 2X4 + X5 - X6 + X8 =3
3X1 - 2X3 - X4 +X6 + X9 = 5
FASE I
Tabla 1
Cj 0 0 0 0 0 0 1 1 1
CB XB b X1 X2 X3 X4 X5 X6 X7 X8 X9
1 X7 2 1 1 -1 1 -1 2 1 0 0 Sale X8 de
1 X8 3 2 -1 -1 -2 1 -1 0 1 0 solución
1 X9 5 3 0 -2 -1 0 1 0 0 1
6 0 -4 -2 0 2 1 1 1 Zj
Z= 6 0 -4 -2 0 2 0 0 0 Zj-Cj
Entra X1 en solución
Tabla 2
Cj 0 0 0 0 0 0 1 1 1
CB XB b X1 X2 X3 X4 X5 X6 X7 X8 X9
1 X7 .5 0 1.5 -.5 2 -1.5 2.5 1 -.5 0 Sale X7 de
0 X1 1.5 1 -.5 -.5 -1 .5 -.5 0 .5 0 solución
1 X9 .5 0 1.5 -.5 2 -1.5 2.5 0 -1.5 1
0 3 -1 4 -3 5 1 -2 1 Zj
Z= 0 3 -1 4 -3 5 0 -3 0 Zj-Cj
Entra X6 en solución
Tabla 3
Cj 1 -2 0 0 0 0 1 1 1
CB XB b X1 X2 X3 X4 X5 X6 X7 X8 X9
0 X6 .2 0 .6 -.2 .8 -.6 1 .4 -.2 0
0 X1 1.6 1 -.2 -.6 -.6 .2 0 .2 .4 0
1 X9 0 0 0 0 0 0 0 -1 -1 1
0 0 0 0 0 0 -1 -1 1 Zj
Z= 0 0 0 0 0 0 0 -2 -2 0 Zj-Cj
Como todos los elementos en Zj-Cj son £ 0, la fase I esta terminada. El valor mínimo de
la fase I es cero y por esto el problema es factible. Una solución factible para el problema
original es (1.6, 0, 0, 0, 0, .2). Para establecer la tabla de la fase II; elimine las columnas 7
Cj -1 0 0 0 0 0 0
CB XB b X1 X2 X3 X4 X5 X6 X9
0 X6 .2 0 .6 -.2 .8 -.6 1 0
-1 X1 1.6 1 -.2 -.6 -.6 .2 0 0
0 X9 0 0 0 0 0 0 0 1
-1 .2 .6 .6 -.2 0 0 Zj
Z= 0 0 .2 .6 .6 -.2 0 0 Zj-Cj
Como todos los elementos en la tercera fila son cero, excepto por un 1 que representa la
variable artificial X9, la fila es eliminada por ser redundante. Cheque en el problema
original y encontrará que la tercera ecuación es la suma de las dos primeras ecuaciones.
Se elimina la fila 3 y la columna 7 (X9).
Cj -1 0 0 0 0 0
CB XB b X1 X2 X3 X4 X5 X6 Sale X6 de
0 X6 .2 0 .6 -.2 .8 -.6 1 solución
-1 X1 1.6 1 -.2 -.6 -.6 .2 0
-1 .2 .6 .6 -.2 0 Zj
Z= 0 0 .2 .6 .6 -.2 0 Zj-Cj
Entra X4 en solución
FASE II
Cj -1 0 0 0 0 0
CB XB b X1 X2 X3 X4 X5 X6
0 X4 .25 0 .75 -.25 1 -.75 1.25
-1 X1 1.75 1 -.25 -.75 0 .25 -.75
-1 -.25 .75 0 .25 -.75 Zj
Z= 1.75 0 -.25 .75 0 .25 -.75 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), por tanto la solución es ilimitada
(Z = -a ).
DEGENERACIÓN
Una solución básica a Ax = b es degenerada si una o más de las variables básicas son
cero ( si alguna XB = 0).
Una solución básica factible representa a b como una combinación lineal de m columnas
de A. Cualquier base que incluya alguna columna de A que sea dependiente de la
columna de b determinará una solución degenerada.
xBr ìx ü
= min i í Bi i , yik < 0 ý
yrk î yik þ
Ejemplo:
Forma estándar
Maximizar Z = X2 Maximizar Z = X2 - MX5
Sujeto a : sujeto a :
X1 + X2 ³ 1 X1 + X2 -X3 +X5 =1
1/3X1 + X2 £ 1 1/3X1 + X2 +X4 =1
Forma tabular:
Tabla 1
Cj 0 1 0 0 -M
CB XB b X1 X2 X3 X4 X5
-M X5 1 1 1 -1 0 1 Sale X5 de
0 X4 1 1/3 1 0 1 0 solución
-M -M M 0 -M Zj
Z= -M M M+1 -M 0 0 Cj-Zj
Entra X2 en solución
Tabla 2
Cj 0 1 0 0 -M
CB XB b X1 X2 X3 X4 X5
1 X2 1 1 1 -1 0 1 Sale X4 de
0 X4 0 -2/3 0 1 1 -1 solución
1 1 -1 0 1 Zj
Z= 1 -1 0 1 0 -1-M Cj-Zj
Entra X3 en solución
Tabla 3
Cj 0 1 0 0 -M
CB XB b X1 X2 X3 X4 X5
1 X5 1 1/3 1 0 1 0
0 X4 0 -2/3 0 1 1 -1
1/3 1 0 1 0 Zj
Z= 1 -1/3 0 0 -1 -M Cj-Zj
CICLAJE
Cuando la degeneración se presenta, la función objetivo puede no cambiar cuando hay un
cambio de una solución básica factible a otra. Entonces no se puede estar seguro que una
base no se repita. En efecto, se puede caer en la situación en la cual se ciclaje el
problema, repitiéndose las mismas secuencias de bases solución, y nunca alcanzar la
solución optima.
Ejemplo:
Minimizar Z = -2X4 -3X5 + X6 +12X7
Sujeto a :
X1 - 2X4 - 9X5 + X6 + 9X7 =0
X2 +1/3X4 + X5 - 1/3X6 - 2X7 =0
X3 + 2X4 + 3X5 - X6 - 12X7 = 2
Tabla 1
Cj 0 0 0 -2 -3 1 12
CB XB b X1 X2 X3 X4 X5 X6 X7
0 X1 0 1 0 0 -2 -9 1 9 Sale X2 de
0 X2 0 0 1 0 1/3 1 -1/3 -2 solución
0 X3 2 0 0 1 2 3 -1 -12
0 0 0 0 0 0 0
Z= 0 0 0 0 2 3 -1 -12
Entra X5 en solución
Tabla 2
Cj 0 0 0 -2 -3 1 12
CB XB b X1 X2 X3 X4 X5 X6 X7
0 X1 0 1 9 0 1 0 -2 -9 Sale X1 de
-3 X5 0 0 1 0 1/3 1 -1/3 -2 solución
0 X3 2 0 -3 1 1 0 0 6
0 -3 -3 1 -3 1 6
Z= 0 0 -3 0 1 0 0 -6
Entra X4 en solución
Tabla 3
Cj 0 0 0 -2 -3 1 12
CB XB b X1 X2 X3 X4 X5 X6 X7
-2 X4 0 1 9 0 1 0 -2 -9 Sale X5 de
-3 X5 0 -1/3 -2 0 0 1 1/3 2 solución
0 X3 2 -1 -12 1 0 0 3 15
-1 -12 0 -2 -3 3 15
Z= 0 -1 -12 0 0 0 2 3
Entra X7 en solución
Tabla 4
Cj 0 0 0 -2 -3 1 12
CB XB b X1 X2 X3 X4 X5 X6 X7
-2 X4 0 -2 -2 0 1 9 1 0 Sale X4 de
12 X7 0 -1/3 -2 0 0 1 1/3 1 solución
0 X3 2 0 -6 1 -2 -3 1 12
0 -6 0 -2 -3 2 12
Z= 0 0 -6 0 0 -3 1 0
Entra X6 en solución
Tabla 5
Cj 0 0 0 -2 -3 1 12
CB XB b X1 X2 X3 X4 X5 X6 X7
-2 X6 0 -2 9 0 1 9 1 0 Sale X7 de
12 X7 0 1/3 1 0 -1/3 -2 0 1 solución
0 X3 2 2 3 1 -1 -12 0 0
2 3 0 -3 -15 1 12
Z= 0 2 3 0 -1 -12 0 0
Entra X2 en solución
Tabla 6
Cj 0 0 0 -2 -3 1 12
CB XB b X1 X2 X3 X4 X5 X6 X7
1 X6 0 1 0 0 -2 -9 1 0 Sale X6 de
0 X2 0 1/3 1 0 -1/3 -2 0 1 solución
0 X3 2 1 0 1 -6 0 -3
1 0 0 -2 -9 1 0
Z= 0 1 0 0 1 -6 0 -12
Entra X1 en solución
Como X1 entra a la base, la nueva base estará formada por (X1, X2, X3), la cual ya fue
obtenida en la tabla 1, teniéndose como resultado que el problema se ha ciclado.
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. Esta regla es
denominada lexicográfica y su procedimiento es el siguiente:
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 0 -3 2 1 0 0 6 21
Z 0 -3 0 1 -3 1 6 zj
0 0 -3 0 1 0 0 -6 z j - 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.
x1 x2 x3 x4 x5 x6 x7
11 91 01 1 01 -21 -91 primera fila
0 1 0 1 1 -1 -2 segunda fila
13 13 13 13 13
cj 0 0 0 -2 -3 1 12
cB xB b x1 x2 x3 x4 x5 x6 x7 x Br y rj
0 x1 2 1 0 1 0 -4 0 -3 --
-2 x4 2 0 -3 1 1 0 0 -6 --
1 x6 2 0 -6 1 0 -3 1 0 21
Z 0 0 -1 -2 -3 1 - 12 zj
0 0 0 -1 0 0 0 0 zj - cj
Como todos los elementos en la fila z j - c j son menores o iguales que cero la
solución es óptima. Observe que en la fila z j - c j existen 6 elementos iguales que cero,
por lo que existirá una solución múltiple. ( m = 3 Si existen más de m elementos en la
fila z j - c j iguales que cero, existe una solución básica factible múltiple). Es decir que
cualquiera de las variables no-básicas que tienen un valor cero en la fila z j - c j puede
entrar a formar parte de la solución y el valor de la función objetivo Z no cambiará.
SOLUCIÓN ILIMITADA
Esta ocurre cuando el espacio de soluciones factibles no está acotado y la función a
optimizar puede mejorar indefinidamente. 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 - Cj £ 0, para un problema de Maximización) son no positivos (yrj £ 0).
Ejemplo:
Max Z=X1-X2+X3
Sujeto a:
X1 + X2 + 2X3 ≥ 4
X1 - 2X2 + X3 ≥ 2
X’s ≥ 0
F.O. Max Z=X1-X2+X3
X1 + X2 + 2X3 - X4 = 4
X1 - 2X2 + X3 + X5 = 2
X’s ≥ 0
Cj 1 -1 1 0 0
CB XB B X1 X2 X3 X4 X5
1 X1 10/3 1 0 5/3 -2/3 1/3 --
-1 X2 2/3 0 1 1/3 -1/3 -1/3 -- La Y4<0,
1 -1 4/3 -1/3 2/3 Zj X4
0 0 1/3 -1/3 2/3 Zj-Cj -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.
SOLUCIÓN MÚLTIPLE
Cuando soluciones diferentes originen un mismo valor en la función objetivo se dice que
existen soluciones múltiples. Es decir cuando alguna otra variable aparte de las variables
básicas que se encuentre en la fila Zj - Cj a nivel cero, entonces esa variable puede ser
introducida en la base sin cambiar el valor de la función objetivo.
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, X2 ≥ 0
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, X5 Variables de holgura
Cj 40 100 0 0 0
CB XB B X1 X2 X3 X4 X5
0 X3 250 10 5 1 0 0 50
0 X4 200 4 10 0 1 0 20
0 X5 900 2 3 0 0 1 300
0 0 0 0 0 Zj
-4 -100 0 0 0 Zj-Cj
Cj 40 100 0 0 0
CB XB B X1 X2 X3 X4 X5
0 X3 150 8 0 1 -1/2 0 150/8
100 X2 20 2/5 1 0 1/10 0 50
0 X5 840 4/5 0 0 -3/10 1 1050
40 100 0 10 0 Zj
0 0 0 10 0 Zj-Cj
Z* = 2000
X3* = 150
X2* = 20
X5* = 80
Cj 40 100 0 0 0
CB XB B X1 X2 X3 X4 X5
40 X3 150/8 1 0 1/8 -1/16 0
100 X2 50/4 0 1 -1/20 1/8 0
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
Solución Óptima
Z* = 2000
X1* = 150/8
X2* = 50/4
X5* = 1650/2
Pasos:
¨ Determinar las variables básicas y formar B.
-1
¨ Obtener B .
¨ Obtener z j - c j = wa j - c j . Donde W = c B B
-1
Procedimiento:
W=c B B-1 CB X B
B-1 XB
Tablas en el proceso
xk
W CB X B z k - ck
x B1 y1k
B -1
xB2 y 2k
M M
x Bm 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 x2 x3 x4
é15ù
é3 5 1 0ù C = [5 3 0 0] b=ê ú
A=ê ë10û
ë5 2 0 1úû
Tabla 1
y1
0 0 0 -5
1 0 15 x3 3
0 1 10 x4 5 ¬ Sale x 4
0 1 10
1 -3 5 9 x3
0 15 2 x1
Tabla 2
y2
0 1 10 -1
1 -3 5 9 x3 19 5 ¬ Sale x3
0 15 2 x1 25
5 19 16 19 235 19
5 19 - 3 19 45 19
- 2 19 5 19 20 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
Ejemplo 2:
Método de la M
Min Z = 3 x1 + 2 x 2
Sujeto a:
3 x1 + x 2 ³ 3
4 x1 + 3 x 2 ³ 6
x1 + x 2 £ 3
x1 , x 2 ³ 0
3 x1 + x 2 - x 3 + x6 =3
4 x1 + 3 x 2 - x4 + x7 = 6
x1 + x 2 + x5 =3
x 6 y x 7 son variables artificiales
Así:
x1 x2 x3 x4 x5 x6 x7
é3ù
é3 1 -1 0 0 1 0ù C = [3 2 0 0 0 M M] b = ê6ú
A = ê4 3 0 -1 0 0 1ú ê ú
ê ú ëê3ûú
êë1 1 0 0 1 0 0úû
x1 x2 x3 x4
é3 1 0ù
-1
C B B a j - c j = z j - c j = WA - C = [M
-1
M 0]ê4 3 0 - 1ú - [3 2 0 0]
ê ú
êë1 1 0 0 úû
C B B -1 a j - c j = z j - c j = WA - C = [7 M 4M - M - M ] - [3 2 0 0]
C B B a j - c j = z j - c j = WA - C = [7 M - 3 4 M - 2 - M
-1
- M]
Tabla 1
y1
M M 0 9M 7M - 3
1 0 0 3 x6 3 ¬ Sale x 6
0 1 0 6 x7 4
0 0 1 3 x5 1
- 4 3M +1 M 0 2M + 3
13 0 0 1
-43 1 0 2
-1 3 0 1 2
Tabla 2
y2
- 4 3M +1 M 0 2M + 3 5 3M -1
13 0 0 1 x1 13
-43 1 0 2 x7 53
-1 3 0 1 2 x5 23
15 35 0 21 5
35 -1 5 0 35 x1
-45 35 0 65 x2
15 -2 5 1 65 x5
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 - x 4
Sujeto a:
x1 + 4 x 2 + x 3 - x 4 £ 6
2 x1 + x 2 + 3 x 3 - 3 x 4 ³ 2
x1 , x 2 , x 3 , x 4 ³ 0
x1 + 4x2 + x3 - x 4 + x5 =6
2 x1 + x2 + 3x3 - 3x 4 - x6 + x7 = 2
x1 , x 2 , x 3 , x 4 , x 5 , x 6 , x 7 ³ 0
donde x 5 y x 6 son variables de holgura y x 7 es una variable artificial.
FASE I
Así:
x1 x2 x3 x4 x5 x6 x7
C = [0 0 0 0 0 0 - 1] é6ù
é1 4 1 -1 1 0 0ù b=ê ú
A=ê ë2û
ë2 1 3 -3 0 -1 1úû
Tabla 1
y3
0 -1 -2 -3
1 0 6 x5 1
¬ Sale x 7
0 1 2 x7 3
0 0 0
1 -1
3
16
3 x5
0 1
3
2
3 x3
FASE II
Ahora C = [5 - 2 1 -1 0 0] y se recalcula la tabla con los valores verdaderos de
las c j .
x1 x2 x4 x6
é1 4 -1 0ù
z j - c j = WA - C = [ 0 ] ê2 - [ 5 -2 -1 0]
1úû
1
3
ë 1 -3
z j - c j = WA - C = [ 2 3 1
3 -1 1
3 ] - [5 -2 -1 0] = [ -13 3 7
3 0 - 13 ]
Entra x1 en solución por tener el valor más negativo.
Tabla 2
y1
2 13
0 1
3 3 3
1 -1
3
16
3 x5 1
3
0 ¬ Sale x 3
1
3
2
3 x3 2
3
-5 5
0 2
1 -1 5
2 x5
0 1
2 1 x1
]éê
4 1 -1 0ù
z j - c j = WA - C = [0 -5
- [- 2 0]
1 úû
2 1 -1
ë1 3 -3
z j - c j = WA - C = [- 5 2 15
2
-15
2
-5
2 ] - [5 - 2 -1 0] = [ 1 2 13
2
-13
2
-5
2 ]
13 - 4 70
2 -1 10 x4
3 -1 16 x1
Como todos los valores son mayores que cero la solución óptima se ha alcanzado.
Solución óptima:
Z * = 70
x * 4 = 10
x *1 = 16
d) Pivotee en yr,k
xk
Nueva W Nuevo CB X B 0
0
Nueva B -1 Nueva xk M
1 fila r
0