1.4. Fundamentos del método simplex.

1.4.1. Fundamentos del método simplex.

Este método busca la solución, en cada paso, de forma mejorada hasta que no pueda
seguir mejorando dicha solución. Al comienzo el vértice principal es un vértice
cualquiera, hasta que va mejorando, comparándolo con el vértice anterior, en los pasos
de la ecuación.

El método Simplex se basa en la siguiente propiedad: si la función objetivo, f, no toma

su valor máximo en el vértice A, entonces hay una arista que parte de A, a lo largo de la
cual f aumenta. Deberá tenerse en cuenta que este método sólo trabaja para
restricciones que tengan un tipo de desigualdad "≤" y coeficientes independientes
mayores o iguales a 0, y habrá que estandarizar las mismas para el algoritmo. En caso
de que después de éste proceso, aparezcan (o no varíen) restricciones del tipo "≥" o "="
habrá que emplear otros métodos, siendo el más común el método de las Dos Fases.

PROGRAMACION LINEAL

FORMULACION MATEMATICA

PROBLEMA GENERAL PROB LEMAS ESPECIALES

METODO GR AFICO METODO ALGEBRAIC O PROBLEMAS DE TRANSPORTE PROBLEMAS DE ASIGNACIÓN

(SIMPLEX)

Aunque se ponga en duda, la parte más difícil de PL es reconocer cuándo ésta

puede aplicarse y formular el problema matemáticamente. Una vez hecha esa parte,
resolver el problema casi siempre es fácil.

Para formular un problema en forma matemática, deben expresarse afirmaciones

lógicas en términos matemáticos. Esto se realiza cuando se resuelven “problemas
hablados” al estudiar un curso de álgebra. Algo muy parecido sucede aquí al formular
las restricciones. Por ejemplo, considérese la siguiente afirmación: A usa 3 horas por
unidad y B usa 2 horas por unidad. Si deben usarse todas las 100 horas disponibles, la
restricción será:

3A + 2B = 100

Sin embargo, en la mayoría de las situaciones de negocios, no es obligatorio que

se usen todos los recursos (en este caso, horas de mano de obra). Más bien la
limitación es que se use, cuando mucho, lo que se tiene disponible. Para este caso, la
afirmación anterior puede escribirse como una desigualdad:

3A + 2B ≤ 100

1
 Para que sea aceptable para PL, cada restricción debe ser una suma de
variables con exponente 1. Los cuadrados, las raíces cuadradas, etc. no son
aceptables, ni tampoco los productos de variables. Además, la forma estándar para una
restricción pone a todas las variables del lado izquierdo y sólo una constante positiva o
cero del lado derecho. Esto puede requerir algún reacomodo de los términos. Si, por
ejemplo, la restricción es que A debe ser por los menos el doble de B, esto puede
escribirse como:

A ≥ 2B ó A - 2B ≥ 0

Nótese que pueden moverse términos de un lado a otro de las desigualdades

como si fuera un signo de igualdad. Pero al multiplicar una desigualdad por -1, el
sentido de esta desigualdad se invierte. Puede ser necesario hacer esto para que los
coeficientes del lado derecho sean positivos. Por ejemplo, si se quiere que A sea por lo
menos tan grande como B - 2, entonces:

A≥B-2
óA-B≥-2
por último B - A ≥ 2

Una nota final sobre desigualdades: es sencillo convertir una desigualdad en una
ecuación. Todo lo que se tiene que hacer es agregar (o restar) una variable extra. Por
ejemplo:

B - A ≤ 2 es lo mismo que B - A + S = 2

en donde S representa la diferencia, o la holgura, entre B - A y 2. S se llama variable de

holgura. Por otro lado, se restaría una variable de superávit en el caso siguiente:

A - 2B ≥ 0 es lo mismo que A - 2B - S = 0

Algunos métodos de solución (como el Método Símplex) y la mayoría de los

programas de computadora (como el MathProg, que viene en el ORCourseware, que
acompaña al libro “Introducción a la Investigación de Operaciones” de los autores Hillier
y Lieberman) requieren que todas las desigualdades se conviertan en igualdades.

La metodología de PL requiere que todas las variables sean positivas o cero, es

decir, no negativas. Para la mayoría de los problemas esto es real, no se querría una
solución que diga: prodúzcanse menos dos cajas o contrátense menos cuatro
personas.

2
 Mientras que no existe un límite en el número de restricciones que puede tener
un problema de PL, sólo puede haber un objetivo. La forma matemática del objetivo se
llama función objetivo. Debe llevar consigo el maximizar o minimizar alguna medida
numérica. Podría ser maximizar el rendimiento, la ganancia, la contribución marginal o
los contactos con los clientes. Podría ser minimizar el costo, el número de empleados o
el material de desperdicio. Con frecuencia el objetivo es evidente al observar el
problema.

Como el valor de la función objetivo no se conoce hasta que se resuelve el problema,

se usa la letra Z para representarlo. La función objetivo tendrá, entonces, la forma:

Resumen del método simplex.

Paso 1 Convertir el PL a suma forma estándar.

Paso 2 Encontrar una solución básica factible. Si todas las restricciones son de tipo ≤
se pueden usar las variables de holgura si para cada i.

Paso 3 Si todas las variables no básicas tienen un coeficiente no negativo en la 0, la sbf

actuales optima. Si hay variables en la 0 con coeficientes negativos, se debe escoger la
que acompañe al coeficiente más negativo en la 0 para entrar a la base. Esta variable
se denomina la variable entrante.

Paso 4 Emplear el pivoteo para hacer que la variable entrante ingrese a la base en la
que restringido su valor. Una vez obtenida la base, volver al paso 3, empleando la
forma canoníca actual.

Variable entrante:

Se puede comenzar a desarrollar con cualquier variable solo que según la que tome se
realizaran más o menos iteraciones. Se recomienda usar las variables básicas, ya que
estas serán la base en la solución en estos métodos.

Variable saliente

Igualmente se puede comenzar con cualquiera de ellas, aunque se puede dar el caso
corrido de caer en un ciclo repetitivo. Para que no ocurran estos casos de repetición no
se tomaran en cuenta las variables básicas haciendo que siempre estén en la base. En
caso de igualdad de las variables se, en el segundo método, se tomara las variables
artificiales.

Solución factible

Una solución basal es en el cual todas las variables son no negativas es una Solución
basal factible o sbf. Los siguientes dos teoremas explican la importancia de concepto de
solución basal factible en PL.

3
Teorema 1 La región factible para cualquier problema de programación lineal es un
conjunto convexo. Además, si un PL tiene solución óptima, el óptimo debe ser un punto
extremo de la región factible. La justificación del Teorema 1 fue discutida intuitivamente
cuando se estudio la resolución grafica de PL de dos variables, además en dos
variables también se vio que el óptimo corresponde un punto extremo.

Teorema 2 Para cualquier PL, existe un único punto extremo de la región factible
correspondiente a cada solución basal factible. Además, existe a los menos una sbf
correspondiente a cada punto extremo de la región factible.