Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Profesor: Alumno:
José Marchan Antonio Ojeda CI 27.584.331
-INTRODUCCION……………………………………………………………………………………………………….3
- FORMA ESTANDAR………………………………………………………………...………………………………..7
- DEGENERACION……………………………………………………………….……………………………………..7
- OPCIONES Ó PTIMAS………………………………………………………………………………………………..9
- SOLUCION Ó PTIMA………………………………………………………………………………………………….17
-CONCLUSION……………………………………………………………………………………………………………28
-BIBLIOGRAFIA………………………………………………………………………..………………………………..29
INTRODUCCION
El método algebraico es muy dispendioso, en razó n a que trabaja con todos los datos de las
ecuaciones, para mejorar éste aspecto se creó el método simplex cuya gran virtud es su
sencillez, método muy prá ctico, ya que solo trabaja con los coeficientes de la funció n objetivo y
de las restricciones. Las reglas de decisió n para determinar la variable que entra, la que sale, la
gran M, y có mo determinar que estamos en el ó ptimo; Todas éstas reglas de decisió n fueron
deducidas del método algebraico, solamente que aquí se han acomodado para ser usadas en el
tipo de tablero simplex que se usará .
Dado un sistema de m ecuaciones lineales con n variables (AX=b) con m<n y rango
r(A)=m. Si escogemos cualquier matriz no singular de orden mxm y si todas las (n-m)
variables no asociadas con estas columnas de la matriz son iguales a cero, entonces la
solució n al sistema de ecuaciones resultante es llamada una solució n bá sica. Como la
matriz A consta de n columnas se puede definir la matriz B formada por m columnas
linealmente independientes de A, esta matriz la llamaremos matriz bá sica. Con las (n-
m) columnas restantes de A se puede construir otra matriz que se denominará matriz
no bá sica y la denotaremos por W. Entonces puede escribirse la matriz A de la
siguiente manera: A = (B, W).
Las variables que forman parte de la matriz B se llaman variables bá sicas (XB) y las
que forman parte de la matriz W se llaman variables no bá sica.( XW ), entonces el
vector X está conformado por el conjunto de variables bá sicas y no bá sicas, es decir, X
= (XB, XW).
En este contexto una solució n bá sica factible corresponderá a uno de los vértices del
dominio de factibilidad cuya coordenada o solució n se puede representar a través de un
conjunto de restricciones activas para el modelo.
Ambas variables no bá sicas (iniciales) X e Y tienen costo reducido negativo (-3 y -8) por
tanto X=0 e Y=0 que si bien es una solució n bá sica factible (vértice A) no es solució n
ó ptima.
Para continuar la demostració n realizaremos una iteració n del Método
Simplex incorporando la variable Y a la base (criterio costo reducido “más negativo“) y
donde el mínimo cociente Min {1.600/4; 1.700/2; 350/1}=350 ==> S3 deja la base:
¿Qué sucede con los vértices D y E? También son soluciones bá sicas factibles (no
ó ptimas) que se podrían encontrar por ejemplo incorporando en primera instancia (tabla
inicial) a la variable X a la base. De esta forma se debería alcanzar el vértice E luego de
una iteració n y el vértice D en una segunda iteració n.
Notar que también existen otras soluciones factibles (no bá sicas) como, por
ejemplo, X=100 e Y=100 que pertenecen al dominio de soluciones factibles pero no se
puede representar a través de la resolució n de un sistema de ecuaciones.
Forma Estándar
La forma está ndar es cuando un modelo de programació n lineal si cada restricció n es una
igualdad, y las restricciones de signo son del tipo mayor igual que cero (<=0) para cada
variable.
Ej.
Forma Está ndar:
Max Z= 3x1 + 2x2 Max Z= 3x1 + 2x2
X1 + 2x2 <= 6; x1 + 2x2 + x3 = 6;
2x1 + x2 <= 8; 2x1 + x2 + x4 = 8;
-x1 + x2 <= 1; -x1 + x2 + x5 = 1;
X2 <= 2; x2 + x6 = 2;
Xi >= 0; Xi >= 0;
Degeneración
En la aplicació n del Método Simplex al hacer el cálculo del mínimo cociente o condició n de
factibilidad, se puede romper un empate en la razó n o cuociente mínimo en forma
arbitraria. En este caso, al menos una variable bá sica será cero en la siguiente iteració n,
afirmá ndose en este caso que la nueva solució n es degenerada. La implicancia práctica de
dicha condició n indica que el modelo tiene al menos una restricció n redundante.
Solución Óptima Degenerada
En la práctica conocer que algunos recursos (como los asociados a una restricció n) son
superfluos puede ser valioso durante la implementació n de la solució n. Desde el punto de
vista teórico, la degeneració n tiene dos implicaciones: se genera el fenó meno de ciclos o
círculos (es posible que el Método Simplex repita una serie de iteraciones sin mejorar el
valor de la funció n objetivo, tal como se observó en el ejemplo anterior e incluso
eventualmente nunca terminar los cá lculos); el segundo aspecto teó rico surge al examinar
las iteraciones 1 y 2. Las dos, aunque difieren en la clasificació n de las variables bá sicas y
no bá sicas, producen valores idénticos para todas las variables y el valor objetivo
( ).
Opciones Óptimas
Solución ilimitada (no acotada): si toda la columna de la variable que entra a la base
tiene todos sus elementos negativos o nulos se trata de problema no acotado, es decir, que
tiene solució n ilimitada. No hay valor ó ptimo concreto para la funció n objetivo sino que a
medida que se aumenta el valor de las variables también se incrementa el valor Z sin
violar ninguna restricció n.
No existe solución: cuando ningú n punto satisface todas las restricciones del problema se
produce la in-factibilidad no existiendo ninguna solució n posible para él. En este caso, una
vez terminadas todas las iteraciones del algoritmo, existen en la base variables artificiales
cuyo valor es superior a cero.
Empate de variable saliente: se puede nuevamente optar por cualquiera de ellas. Sin
embargo, a fin de no alargar el problema y evitar la entrada en un bucle infinito (caso
degenerado), se discrimina a favor de las variables de decisió n haciendo que permanezcan
en la base. En el caso de estar en la primera fase del método de las Dos Fases, se optará por
sacar de la base las variables artificiales.
¿El elemento pivote puede ser nulo?: No, el elemento pivote siempre será estrictamente
positivo ya que ú nicamente se realizan los cocientes entre valores no negativos y mayores
que cero (ante un problema de maximizació n).
Notar que X2 es la variable no bá sica con el costo reducido má s negativo y siguiendo ese
criterio debería ser aquella que ingresamos a la base. Sin embargo, no es factible hacer el
criterio de factibilidad o mínimo cuociente debido a que los elementos en la columna
de X2 son negativos o cero. En esta instancia ya se puede afirmar que el problema es no
acotado.
Observación: Se puede verificar que si seleccionamos X1 como la variable que entra a la
base y se aplica una iteración del Método Simplex se llegara a una conclusión similar a la
presentada anteriormente.
Sobre esta tabla se agregan dos nuevas filas: una de ellas, que lidera la tabla, donde
aparecen los coeficientes de las variables de la funció n objetivo, y una ú ltima fila que
recoge el valor la funció n objetivo y los costes reducidos Zj - Cj.
Los costes reducidos muestran la posibilidad de mejora en la solució n Z0. Por este
motivo también son llamados valores indicadores.
Tabla
C1 C2 ... Cn
Base Cb P0 P1 P2 ... Pn
P1 Cb1 b1 a11 a12 ... a1n
P2 Cb2 b2 a21 a22 ... a2n
... ... ... ... ... ... ...
Pm Cbm bm am1 am2 ... amn
Z Z0 Z1-C1 Z2-C2 ... Zn-Cn
Cuando una variable se vuelve bá sica, es decir, entra en la base, comienza a formar
parte de la solució n. Observando los costes reducidos en la fila Z, se decide que
entra a la base la variable de la columna en la que éste sea el de menor valor (o de
mayor valor absoluto) entre los negativos.
Una vez obtenida la variable entrante, se determina que sale de la base la variable
que se encuentre en aquella fila cuyo cociente P0/Pj sea el menor de los
estrictamente positivos (teniendo en cuenta que esta operació n se hará
ú nicamente cuando Pj sea superior a 0).
Elemento pivote:
Actualización de la tabla:
FASE 1
Esta primera fase es muy similar al método Simplex, con la excepció n de la
construcció n de la primera tabla, ademá s de la necesidad de estudiar el resultado obtenido
para determinar si se desarrolla la segunda fase.
En tal caso, la ú ltima tabla de esta fase será , con algunas modificaciones, la utilizada
como tabla inicial para la segunda fase.
Se elabora de manera aná loga a la tabla inicial del método Simplex, pero con
algunas diferencias.
Tabla
C0 C1 C2 ... Cn-k ... Cn
Bas
Cb P0 P1 P2 ... Pn-k ... Pn
e
P1 Cb1 b1 a11 a12 ... a1n-k ... a1n
P2 Cb2 b2 a21 a22 ... a2n-k ... a2n
... ... ... ... ... ... ... ... ...
Pm Cbm bm am1 am2 ... amn-k ... amn
Z Z0 Z1 Z2 ... Zn-k ... Zn
Siendo Zj = Σ(Cbi·Pj) - Cj para i = 1..m, donde si j = 0, P0 = bi y C0 = 0, y en caso
contrario Pj = aij.
FASE 2
La segunda fase del método de las Dos Fases se desarrolla exactamente igual que
el método Simplex, con la salvedad de que antes de iniciar las iteraciones hay que eliminar
las columnas correspondientes a las variables artificiales, y reconstruir la tabla inicial.
La tabla inicial en este caso se mantiene casi igual a la ú ltima tabla de la primera
fase. Ú nicamente habrá que modificar la fila de la funció n objetivo por la del
problema original y calcular nuevamente la fila Z (de la misma forma que en la
primera tabla de la fase 1).
A partir de este punto, todas las iteraciones hasta llegar a la solució n ó ptima del
problema no presentan ninguna diferencia con el método Simplex.
SOLUCION ÓPTIMA
Por ejemplo, considere el modelo actual para el problema de la Wyndor Glass Co. que se
resume en el lado izquierdo de la tabla 1.3, donde la solució n ó ptima actual (con C1 = 3)
está dada en el lado derecho. Cuando só lo se cambia C1, esta solució n permanece ó ptima
siempre que 1
c1 " y*A1 = (0, 0, 5/2) 0 = 7 ½, 3 de manera que C1 " 7 ½ es el intervalo permitido para
permanecer ó ptima.
Una alternativa para realizar esta multiplicació n de vectores es observar en la tabla 1.3
que z*1 - c1 = 9/2 ( el coeficiente de x1 en el regló n 0) cuando c1 = 3, de manera que z*1 =
3 + 9/2 = 7 ½. Como z1 = y*A1, de inmediato se llega al mismo intervalo permitido.
Para cualquier variable de decisió n no bá sica cj, en ocasiones se hace referencia al valor z*j
- cj como el costo reducido para xj, porque es la cantidad mínima en la que tendría que
reducirse el costo unitario de la actividad j para hacer que valga la pena realizar esa
actividad j (aumentar el valor de xj a má s de cero). Al interpretar cj como la ganancia
unitaria de la actividad j (lo que reduce el incremento en el costo unitario cj por la misma
cantidad), el valor de z*j - cj es entonces el incremento má ximo permitido en cj para
conservar ó ptima la solució n BF actual.
Siempre está asociada a un punto extremo de la regió n factible y satisface todas las
restricciones si se evalú a en ellas así como es el punto que en el caso de maximizació n
hace que el valor de z sea el má ximo (má s grande) y el caso de minimizació n sea el mínimo
(má s pequeñ o).
Existen problemas lineales que no tienen una solució n ó ptima ú nica, sino que al contrario,
tienen un nú mero infinito de soluciones. Para detectar una solució n mú ltiple en la tabla
ó ptima, se deberá tener al menos una variable con su Zj-Cj=0 no bá sica.
ESTADOS DE LOS RECURSOS
Primero
Partiendo de un problema de Programació n Lineal que se encuentra en la forma está ndar,
Se determinan las matrices: 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 Solució n Inicial Bá sica Factible y está formada por las
Columnas de las variables bá sicas, es decir aquellas que está n en solució n.
Cj son los coeficientes de las variables en la funció n objetivo
CB son los coeficientes de las variables bá sicas en la Funció n Objetivo.
XB son los valores de las variables bá sicas que dan la solució n al problema.
Segundo
Se obtiene B Inversa (B-1). Ya sea por el Método de Cofactores o por el Método de Notas
del Método Simplex
Se obtiene XB, donde X B b B -1 = Z = CB X B Cuarto Determinar la variable que entra en la
base de solució n Se obtienen los Zj-Cj para las variables No-bá sicas donde
Z j = CBYj y j j Y B a –
Las Yj de las variables bá sicas forman las columnas de la matriz identidad y las Zj-Cj de
Las variables bá sicas son cero.
Las Yj son las columnas actualizadas a las transformaciones de rengló n de la matriz A.
Para generar la columna de la matriz identidad que aporta la columna de la variable que
Entra en solució n.
Para un problema de Maximizació n
Entra la variable que tenga el má s negativo Zj-Cj y se alcanza la solució n ó ptima cuando
Todos los valores sean positivos en el aná lisis de Zj-Cj.
Para un problema de Minimizació n
Entra la variable que tenga el má s positivo Zj-Cj y se alcanza la solució n ó ptima cuando
Todos los valores sean negativos en el aná lisis de Zj-Cj.
Cj-Zj es el beneficio que se tendrá en Z por cada unidad de valor que tenga la variable que
Entra en solució n (Xr).
Quinto
Determinar la variable que sale de solució n Se analiza cada columna de las variables No-
bá sicas junto con el valor de las variables bá sicas XB. Sale de solució n aquella variable que
tenga el
Notas del Método Celis 5 En la matriz B la columna de la variable de Min que tuvo
el abandona la base de
Solució n y entra en su lugar la columna de la variable r.
Séptimo Regresar al paso 2, hasta que se cumpla el criterio de optimizació n, considerado
en el paso 4.
Ejemplo:
Analizando la variable que entra en solució n:
Las operaciones algebraicas realizadas por el método simplex (multiplicar una ecuació n
por una constante y sumar un mú ltiplo de una ecuació n a otra) se expresan en forma
matricial pre multiplicando ambos lados del conjunto original de ecuaciones por la matriz
apropiada. Esta matriz tiene el mismo nú mero de elementos que la matriz idéntica,
excepto que cada mú ltiplo de una operació n algebraica se debe colocar en el lugar que se
necesita para que la multiplicació n de matrices realice esta operació n. Aú n después de una
serie de operaciones algebraicas a través de varias iteraciones se puede deducir cuá l debe
ser esta matriz (simbó licamente) en cada paso usando lo que ya se sabe sobre el lado
derecho del nuevo conjunto de ecuaciones. En particular, después de cualquier iteració n,
xB = B^-1b y Z = cBB^-1b, por lo que el lado derecho de las ecuaciones se ha convertido
en:
PASOS DEL METODO SIMPLEX PRIMAL DE REVISADO
Max z=Cx
Ax=b
x>=0
Donde:
C es una vector de n filas cuyos elementos son todos los valores de la funció n
objetivo.
x, que es un vector de n columnas cuyos valores son todas las variables de x que
aparecen en la funció n objetivo
A es una matriz que representa a todos los coeficientes que se encuentran del lado
izquierdo de las igualdades, incluyendo a las variables de holgura.
Los pasos para hallar la solució n ó ptima son los mismos que en el método simplex.
Pero ahora se usan diferentes fó rmulas:
Donde B es una matriz que tiene los coeficientes correspondientes a las variables
de decisió n en las restricciones
2) Calculamos la variable de entrada con lo que sería la fila Zj-Cj, pero aplicamos
esta fó rmula:
Zj-Ch= (Cb)(B^-1)(aj)-Cj
Donde
Cb son los valores de las variables no bá sicas en la funció n objetivo
Donde
Ai es un vector que corresponde a los valores de las restricciones de la variable de
entrada
Entonces hay que utilizar el mismo criterio para elegir a la variable de salida que
ene le método simplex:
4) Por ultimo hay que calcular el nuevo valor de las variables bá sicas, para eso hay
que cambiar la matriz B, pues el vector de las variables bá sicas cambio, por lo
tanto hay que cambiar los elementos de la matriz B para que correspondan a los
valores de las restricciones en su correspondiente variable bá sica.
El mercado, las empresas, e incluso las personas está n en una bú squeda constante de
mejoras, de nuevas ideas, de rendimiento y ahorro de recursos de todos los tipos, pero
llevar esto acabo requiere de toma de decisiones que podrían estar má s allá de realizar
una simple selecció n escogiendo lo que para nuestros oídos suene como la mejor opció n.
En las empresas se establecen una serie de funciones entre las cuales nosotros los
ingenieros industriales y demá s ramas de la ingeniería debemos ejercer distintas formas
de planteamientos que generen una má xima efectividad y productividad en el desarrollo
de las actividades dentro de la empresa y sus funciones a desempeñ ar para dar ó ptimos
resultados en la producció n o servicios prestados a la sociedad, en donde nos
encontraremos con distintas dificultades y problemas los cuales debemos dar una
solució n rá pida, adecuada y eficaz para generar y alcanzar una mayor eficiencia en los
procesos realizados.
El método simplex es una manera fá cil, practica y rá pida de dar soluciones optimas en los
diferentes campos laborales a todos los problemas establecidos o surgidos en el desarrollo
de la industria siendo satisfactorio y eficaz las respuestas, permitiendo establecer y
generar una producció n y los diferentes procesos en un alto nivel de efectividad y
logrando un ahorro significativo econó mico en el desarrollo de la empresa.
BIBLIOGRAFIA
http://www.phpsimplex.com/teoria_metodo_simplex.htm
https://www.monografias.com/trabajos87/interpretar-la-solucion-optima/interpretar-
la-solucion-optima.shtml#:~:text=El%20m%C3%A9todo%20simplex%20es%20un,seguir
%20mejorando%20m%C3%A1s%20dicha%20soluci%C3%B3n.
http://repobib.ubiobio.cl/jspui/bitstream/123456789/282/3/Chavez_Abello_Rodrigo.pd
f
https://sites.google.com/site/metodosdeprogramacionlinealdan/metodo-simplex-
revisado
http://quegrande.org/apuntes/ETIX/3/IO/teoria/08-09/apuntes_3.pdf