Modulo 2.

2: Algoritmo Símplex

Oriol Jorba Ferro Métodos Matemáticos e Investigación operativa

 Algoritmo Símplex: Encontrar la solución factible inicial

❑Encontrar la solución factible inicial

❖ Restricciones son de tipo ≤ 𝒃𝒊 :

❖ Las variables de holgura son todas positivas: ℎ𝑗

❖ Encontrar la solución básica factible inicial es trivial:
Cuando 𝑥𝑖 = 0 ∀𝑖 = 1, . . , 𝑛

𝑥1 + 𝑥2 ≤ 10 𝑥1 + 𝑥2 + ℎ1 = 10
2𝑥1 − 𝑥2 ≤ 5 2𝑥1 − 𝑥2 + ℎ2 = 5
𝑥1 ≥ 0, 𝑥2 ≥ 0 𝑥1 ≥ 0, 𝑥2 ≥ 0
 Algoritmo Símplex: Encontrar la solución factible inicial

❑Encontrar la solución factible inicial

❖ Restricciones son de tipo ≤ 𝒃𝒊 :

❖ Las variables de holgura son todas positivas: ℎ𝑗

❖ Encontrar la solución básica factible inicial es trivial:
Cuando 𝑥𝑖 = 0 ∀𝑖 = 1, . . , 𝑛

𝑥1 + 𝑥2 ≤ 10 𝑥1 + 𝑥2 + ℎ1 = 10
2𝑥1 − 𝑥2 ≤ 5 2𝑥1 − 𝑥2 + ℎ2 = 5
𝑥1 ≥ 0, 𝑥2 ≥ 0 𝑥1 ≥ 0, 𝑥2 ≥ 0

𝑥 𝑆 = 𝑥1 , 𝑥2 = (0,0) 𝑥 𝐵 = ℎ1 , ℎ2 ≥ 0

B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2
ℎ1 10 1 1 1 0
𝐵 −1 = 𝐼
ℎ2 5 2 -1 0 1
𝑧=
 Algoritmo Símplex: Encontrar la solución factible inicial

❑Encontrar la solución factible inicial

❖ Restricciones son de tipo ≤ 𝒃𝒊 :

❖ Si cada restricción de nuestro problema es de tipo ≤:

𝑛

෍ 𝑎𝑖𝑗 𝑥𝑗 + ℎ𝑖 = 𝑏𝑖
𝑖
❖ Si consideramos 𝑥𝑑
el vector de variables de decisión y 𝑥 ℎ el vector de las variables de holgura, podemos
expresar el programa lineal de forma matricial:

𝐴𝑥 𝑑 + 𝐼𝑥 ℎ = 𝑏

❖ Si escogemos el vector de variables básicas como 𝑥 𝐵 = 𝑥 ℎ :

𝐴𝑥 𝑠 + 𝐼𝑥 𝐵 = 𝑏
❖ Podemos encontrar de manera trivial la primera solución del vector de variables básicas:

𝑥𝐵 = 𝑏
 Algoritmo Símplex: Encontrar la solución factible inicial

❑Encontrar la solución factible inicial

❖ Restricciones son de tipo ≥ 𝒃𝒊 :

❖ Si cada restricción de nuestro problema es de tipo ≥:

𝑛

෍ 𝑎𝑖𝑗 𝑥𝑗 − 𝑒𝑖 = 𝑏𝑖
𝑖
❖ Si consideramos 𝑥𝑑
el vector de variables de decisión y 𝑥 𝑒 el vector de las variables de
excedencia, podemos expresar el programa lineal de forma matricial:

𝐴𝑥 𝑑 − 𝐼𝑥 𝑒 = 𝑏

❖ Si escogemos el vector de variables básicas como 𝑥 𝐵 = 𝑥 ℎ :

𝐴𝑥 𝑠 − 𝐼𝑥 𝐵 = 𝑏 𝑥 𝐵 = −𝑏
 Algoritmo Símplex: Encontrar la solución factible inicial

❑Encontrar la solución factible inicial

❖ Restricciones son de tipo ≥ 𝒃𝒊 :

❖ Si cada restricción de nuestro problema es de tipo ≥:

𝑛

෍ 𝑎𝑖𝑗 𝑥𝑗 − 𝑒𝑖 = 𝑏𝑖
𝑖
❖ Si consideramos 𝑥𝑑
el vector de variables de decisión y 𝑥 𝑒 el vector de las variables de
excedencia, podemos expresar el programa lineal de forma matricial:

𝐴𝑥 𝑑 − 𝐼𝑥 𝑒 = 𝑏

❖ Si escogemos el vector de variables básicas como 𝑥 𝐵 = 𝑥 ℎ :

No es una solución
𝐴𝑥 𝑠 − 𝐼𝑥 𝐵 =𝑏 𝑥𝐵 = −𝑏 factible, ya que 𝑥 𝐵 < 0
 Algoritmo Símplex: Encontrar la solución factible inicial

❑Variables artificiales
❖ Restricciones son de tipo ≥ 𝒃𝒊 :

❖ Si cada restricción de nuestro problema es de tipo ≥:

𝑛

෍ 𝑎𝑖𝑗 𝑥𝑗 − 𝑒𝑖 + 𝑎𝑖 = 𝑏𝑖
𝑖
❖ Si consideramos 𝑥𝑑 el vector de variables de decisión, 𝑥 𝑒 el vector de las variables de
excedencia y 𝑥 𝑎 el vector de variables artificiales, podemos expresar el programa lineal de forma
matricial:
𝐴𝑥 𝑑 − 𝐼𝑥 𝑒 + 𝐼𝑥 𝑎 = 𝑏
❖ Si escogemos el vector de variables básicas como 𝑥 𝐵 = 𝑥 𝑎 :

𝐴 , −𝐼 𝑥 𝑠 + 𝐼𝑥 𝐵 = 𝑏 𝑥𝐵 = 𝑏
 Algoritmo Símplex: Encontrar la solución factible inicial

❑Variables artificiales
❖ Restricciones son de tipo ≥ 𝒃𝒊 :
𝑛 𝑛

෍ 𝑎𝑖𝑗 𝑥𝑗 ≥ 𝑏𝑖 → ෍ 𝑎𝑖𝑗 𝑥𝑗 − 𝑒𝑗 + 𝑎𝑖 = 𝑏𝑖
𝑗=1 𝑗=1

❖ Restricción de tipo = 𝒃𝒊 :
𝑛 𝑛

෍ 𝑎𝑖𝑗 𝑥𝑗 = 𝑏𝑖 → ෍ 𝑎𝑖𝑗 𝑥𝑗 + 𝑎𝑖 = 𝑏𝑖
𝑗=1 𝑗=1
 Algoritmo Símplex: Encontrar la solución factible inicial

❑Variables artificiales
❖ Restricciones son de tipo ≥ 𝒃𝒊 :
𝑛 𝑛

෍ 𝑎𝑖𝑗 𝑥𝑗 ≥ 𝑏𝑖 → ෍ 𝑎𝑖𝑗 𝑥𝑗 − 𝑒𝑗 + 𝑎𝑖 = 𝑏𝑖
𝑗=1 𝑗=1

❖ Restricción de tipo = 𝒃𝒊 :
𝑛 𝑛

෍ 𝑎𝑖𝑗 𝑥𝑗 = 𝑏𝑖 → ෍ 𝑎𝑖𝑗 𝑥𝑗 + 𝑎𝑖 = 𝑏𝑖
𝑗=1 𝑗=1

Problema original Forma estándar Forma ampliada

𝑥1 + 𝑥2 + 𝑥3 ≤ 5 𝑥1 + 𝑥2 + 𝑥3 + ℎ1 = 5 𝑥1 + 𝑥2 + 𝑥3 + ℎ1 = 5
𝑥1 + 𝑥2 − 𝑥3 ≥ 2 𝑥1 + 𝑥2 − 𝑥3 − 𝑒2 = 2 𝑥1 + 𝑥2 − 𝑥3 − 𝑒2 + 𝑎2 = 2
𝑥1 + 𝑥3 = 1 𝑥1 + 𝑥3 = 1 𝑥1 + 𝑥3 + 𝑎3 = 1
𝑥𝑖 ≥ 0 ∀𝑖 = 1,2,3 𝑥𝑖 ≥ 0 ∀𝑖 = 1,2,3 𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0
ℎ1 ≥ 0, 𝑒2 ≥ 0 ℎ1 ≥ 0, 𝑒2 ≥ 0
𝑎2 ≥ 0, 𝑎3 ≥ 0
 Algoritmo Símplex: Encontrar la solución factible inicial

❑Forma Ampliada
❖ Forma que obtendremos después de añadir las variables artificiales.

❖ Las formas estándar y ampliada pueden coincidir cuando todas las

restricciones sean de tipo ≤.

❖ El problema tiene 2 partes:

❖ Encontrar una solución básica y factible (usando variables artificiales) .

❖ Encontrar una solución óptima.

Problema original Forma estándar Forma ampliada

𝑥1 + 𝑥2 + 𝑥3 ≤ 5 𝑥1 + 𝑥2 + 𝑥3 + ℎ1 = 5 𝑥1 + 𝑥2 + 𝑥3 + ℎ1 = 5
𝑥1 + 𝑥2 − 𝑥3 ≥ 2 𝑥1 + 𝑥2 − 𝑥3 − 𝑒2 = 2 𝑥1 + 𝑥2 − 𝑥3 − 𝑒2 + 𝑎2 = 2
𝑥1 + 𝑥3 = 1 𝑥1 + 𝑥3 = 1 𝑥1 + 𝑥3 + 𝑎3 = 1
𝑥𝑖 ≥ 0 ∀𝑖 = 1,2,3 𝑥𝑖 ≥ 0 ∀𝑖 = 1,2,3 𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0
ℎ1 ≥ 0, 𝑒2 ≥ 0 ℎ1 ≥ 0, 𝑒2 ≥ 0
𝑎2 ≥ 0, 𝑎3 ≥ 0
 Algoritmo Símplex: Encontrar la solución factible inicial

❑Método de las penalizaciones / Método de la M Grande

❖ Las variables artificiales deben ser cero en la solución final.

❖ Nos ayudarán a “buscar” una primera solución factible.

❖ Para asegurarnos de que desaparecen de la solución óptima debemos introducir en la función objetivo
unos coeficientes 𝑀 suficientemente elevados y de signo inverso al de la optimización.

𝑚𝑎𝑥 𝑧 = 𝑓 𝑥 → 𝑚𝑎𝑥 𝑧 = 𝑓 𝑥 − ෍ 𝑀𝑎𝑖 𝑚𝑖𝑛 𝑧 = 𝑓 𝑥 → 𝑚𝑖𝑛 𝑧 = 𝑓 𝑥 + ෍ 𝑀𝑎𝑖

𝑖𝜖𝐴 𝑖𝜖𝐴

❖ La idea es que el propio algoritmo de optimización elimine las variables 𝑎𝑖 .

❖ De existir una solución, esta no será nunca compatible con dar valores a las variables artificiales
diferentes que cero.
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

𝑚𝑖𝑛 𝑧 = 2𝑥1 − 𝑥2 + 𝑥3 + 𝑀𝑎2 + 𝑀𝑎3
𝑥1 + 𝑥2 + 𝑥3 + ℎ1 = 5
𝑥1 + 𝑥2 − 𝑥3 − 𝑒2 + 𝑎2 = 2
𝑥1 + 𝑥3 + 𝑎3 = 1
𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0
ℎ1 ≥ 0, 𝑒2 ≥ 0
𝑎2 ≥ 0, 𝑎3 ≥ 0

Tabla inicial 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0
𝑎2 M 2 1 1 -1 0 -1 1 0
𝑎3 M 1 1 0 1 0 0 0 1
𝑧 = 2𝑀 + 1𝑀 = 3𝑀
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

𝑚𝑖𝑛 𝑧 = 2𝑥1 − 𝑥2 + 𝑥3 + 𝑀𝑎2 + 𝑀𝑎3 ❖ Las variables básicas en la tabla inicial
𝑥1 + 𝑥2 + 𝑥3 + ℎ1 = 5 SIEMPRE deben ser:
𝑥1 + 𝑥2 − 𝑥3 − 𝑒2 + 𝑎2 = 2
𝑥1 + 𝑥3 + 𝑎3 = 1 ❖ Variables de holgura: ℎ𝑖
𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0
❖ Variables artificiales: 𝑎𝑖
ℎ1 ≥ 0, 𝑒2 ≥ 0
𝑎2 ≥ 0, 𝑎3 ≥ 0

Tabla inicial 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0
𝑎2 M 2 1 1 -1 0 -1 1 0
𝑎3 M 1 1 0 1 0 0 0 1
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

𝑚𝑖𝑛 𝑧 = 2𝑥1 − 𝑥2 + 𝑥3 + 𝑀𝑎2 + 𝑀𝑎3 ❖ Las variables básicas en la tabla inicial
𝑥1 + 𝑥2 + 𝑥3 + ℎ1 = 5 SIEMPRE deben ser:
𝑥1 + 𝑥2 − 𝑥3 − 𝑒2 + 𝑎2 = 2
𝑥1 + 𝑥3 + 𝑎3 = 1 ❖ Variables de holgura: ℎ𝑖
𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0
❖ Variables artificiales: 𝑎𝑖
ℎ1 ≥ 0, 𝑒2 ≥ 0
𝑎2 ≥ 0, 𝑎3 ≥ 0

Tabla inicial 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0
𝑎2 M 2 1 1 -1 0 -1 1 0
𝑎3 M 1 1 0 1 0 0 0 1
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

𝑚𝑖𝑛 𝑧 = 2𝑥1 − 𝑥2 + 𝑥3 + 𝑀𝑎2 + 𝑀𝑎3
𝑥1 + 𝑥2 + 𝑥3 + ℎ1 = 5
𝑥1 + 𝑥2 − 𝑥3 − 𝑒2 + 𝑎2 = 2
𝑥1 + 𝑥3 + 𝑎3 = 1
𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0
ℎ1 ≥ 0, 𝑒2 ≥ 0
𝑎2 ≥ 0, 𝑎3 ≥ 0

Tabla inicial 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0
𝑎2 M 2 1 1 -1 0 -1 1 0
𝑎3 M 1 1 0 1 0 0 0 1
𝑧 = 2𝑀 + 1𝑀 = 3𝑀

𝑧0 = ෍ 𝐶𝑖𝐵 𝑏𝑖
𝑖𝜖𝑥 𝐵
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

𝑚𝑖𝑛 𝑧 = 2𝑥1 − 𝑥2 + 𝑥3 + 𝑀𝑎2 + 𝑀𝑎3
𝑥1 + 𝑥2 + 𝑥3 + ℎ1 = 5
𝑥1 + 𝑥2 − 𝑥3 − 𝑒2 + 𝑎2 = 2
𝑥1 + 𝑥3 + 𝑎3 = 1
𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0
ℎ1 ≥ 0, 𝑒2 ≥ 0
𝑎2 ≥ 0, 𝑎3 ≥ 0

Tabla inicial 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0
𝑎2 M 2 1 1 -1 0 -1 1 0
𝑎3 M 1 1 0 1 0 0 0 1
𝑧 = 2𝑀 + 1𝑀 = 3𝑀 2M -2

𝑍𝑥1 − 𝐶𝑥1 = ෍ 𝐶𝑖𝐵 𝑎𝑖1 − 𝐶𝑥1 = 1 ∗ 0 + 1 ∗ 𝑀 + 1 ∗ 𝑀 − 2 = 2𝑀 − 2

𝑖𝜖𝑥 𝐵
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

𝑚𝑖𝑛 𝑧 = 2𝑥1 − 𝑥2 + 𝑥3 + 𝑀𝑎2 + 𝑀𝑎3
𝑥1 + 𝑥2 + 𝑥3 + ℎ1 = 5
𝑥1 + 𝑥2 − 𝑥3 − 𝑒2 + 𝑎2 = 2
𝑥1 + 𝑥3 + 𝑎3 = 1
𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0
ℎ1 ≥ 0, 𝑒2 ≥ 0
𝑎2 ≥ 0, 𝑎3 ≥ 0

Tabla inicial 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0
𝑎2 M 2 1 1 -1 0 -1 1 0
𝑎3 M 1 1 0 1 0 0 0 1
𝑧 = 2𝑀 + 1𝑀 = 3𝑀 2M -2 M +1 -1 0 -M 0 0
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

𝑚𝑖𝑛 𝑧 = 2𝑥1 − 𝑥2 + 𝑥3 + 𝑀𝑎2 + 𝑀𝑎3
𝑥1 + 𝑥2 + 𝑥3 + ℎ1 = 5 ❖ A efectos prácticos, podemos pensar: 𝑀 → ∞
𝑥1 + 𝑥2 − 𝑥3 − 𝑒2 + 𝑎2 = 2
𝑥1 + 𝑥3 + 𝑎3 = 1
𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0
ℎ1 ≥ 0, 𝑒2 ≥ 0
𝑎2 ≥ 0, 𝑎3 ≥ 0

Tabla inicial 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0
𝑎2 M 2 1 1 -1 0 -1 1 0
𝑎3 M 1 1 0 1 0 0 0 1
𝑧 = 2𝑀 + 1𝑀 = 3𝑀 2M -2 M +1 -1 0 -M 0 0
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

𝑚𝑖𝑛 𝑧 = 2𝑥1 − 𝑥2 + 𝑥3 + 𝑀𝑎2 + 𝑀𝑎3
𝑥1 + 𝑥2 + 𝑥3 + ℎ1 = 5 ❖ A efectos prácticos, podemos pensar: 𝑀 → ∞
𝑥1 + 𝑥2 − 𝑥3 − 𝑒2 + 𝑎2 = 2
𝑥1 + 𝑥3 + 𝑎3 = 1
𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0
ℎ1 ≥ 0, 𝑒2 ≥ 0
𝑎2 ≥ 0, 𝑎3 ≥ 0

Tabla inicial 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0
𝑎2 M 2 1 1 -1 0 -1 1 0
𝑎3 M 1 1 0 1 0 0 0 1
𝑧 = 2𝑀 + 1𝑀 = 3𝑀 2M -2 M +1 -1 0 -M 0 0

Entra 𝒙𝟏
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

𝑚𝑖𝑛 𝑧 = 2𝑥1 − 𝑥2 + 𝑥3 + 𝑀𝑎2 + 𝑀𝑎3
𝑥1 + 𝑥2 + 𝑥3 + ℎ1 = 5 ❖ A efectos prácticos, podemos pensar: 𝑀 → ∞
𝑥1 + 𝑥2 − 𝑥3 − 𝑒2 + 𝑎2 = 2
𝑥1 + 𝑥3 + 𝑎3 = 1
𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0
ℎ1 ≥ 0, 𝑒2 ≥ 0
𝑎2 ≥ 0, 𝑎3 ≥ 0

Tabla inicial 2 -1 1 0 0 M M
Sigmas
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0 5/1=5
𝑎2 M 2 1 1 -1 0 -1 1 0 2/1=2
𝑎3 M 1 1 0 1 0 0 0 1 1/1=1
𝑧 = 2𝑀 + 1𝑀 = 3𝑀 2M -2 M +1 -1 0 -M 0 0

Entra 𝒙𝟏 Sale 𝒂𝟑
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

𝑚𝑖𝑛 𝑧 = 2𝑥1 − 𝑥2 + 𝑥3 + 𝑀𝑎2 + 𝑀𝑎3
𝑥1 + 𝑥2 + 𝑥3 + ℎ1 = 5 ❖ A efectos prácticos, podemos pensar: 𝑀 → ∞
𝑥1 + 𝑥2 − 𝑥3 − 𝑒2 + 𝑎2 = 2
𝑥1 + 𝑥3 + 𝑎3 = 1
𝑥1 ≥ 0, 𝑥2 ≥ 0, 𝑥3 ≥ 0
ℎ1 ≥ 0, 𝑒2 ≥ 0
𝑎2 ≥ 0, 𝑎3 ≥ 0

Tabla inicial 2 -1 1 0 0 M M
Sigmas
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0 5/1=5
𝑎2 M 2 1 1 -1 0 -1 1 0 2/1=2
𝑎3 M 1 1 0 1 0 0 0 1 1/1=1
𝑧 = 2𝑀 + 1𝑀 = 3𝑀 2M -2 M +1 -1 0 -M 0 0

Entra 𝒙𝟏 Sale 𝒂𝟑
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

Tabla inicial 2 -1 1 0 0 M M
Sigmas
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0 5/1=5 𝐹1
𝑎2 M 2 1 1 -1 0 -1 1 0 2/1=2 𝐹2
𝑎3 M 1 1 0 1 0 0 0 1 1/1=1 𝐹3
𝑧 = 2𝑀 + 1𝑀 = 3𝑀 2M -2 M +1 -1 0 -M 0 0

Iteración 1 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 4 0 1 0 1 0 0 -1
𝑎2 M 1 0 1 -2 0 -1 1 -1
𝑥1 2 1 1 0 1 0 0 0 1
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

Tabla inicial 2 -1 1 0 0 M M
Sigmas
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0 5/1=5 𝐹1
𝑎2 M 2 1 1 -1 0 -1 1 0 2/1=2 𝐹2
𝑎3 M 1 1 0 1 0 0 0 1 1/1=1 𝐹3
𝑧 = 2𝑀 + 1𝑀 = 3𝑀 2M -2 M +1 -1 0 -M 0 0

Iteración 1 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 4 0 1 0 1 0 0 -1
𝑎2 M 1 0 1 -2 0 -1 1 -1
𝑥1 2 1 1 0 1 0 0 0 1 𝑭𝟑 → 𝑭𝟑
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

Tabla inicial 2 -1 1 0 0 M M
Sigmas
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0 5/1=5 𝐹1
𝑎2 M 2 1 1 -1 0 -1 1 0 2/1=2 𝐹2
𝑎3 M 1 1 0 1 0 0 0 1 1/1=1 𝐹3
𝑧 = 2𝑀 + 1𝑀 = 3𝑀 2M -2 M +1 -1 0 -M 0 0

Iteración 1 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 4 0 1 0 1 0 0 -1
𝑎2 M 1 0 1 -2 0 -1 1 -1 𝐹2 → 𝐹2 − 𝐹3
𝑥1 2 1 1 0 1 0 0 0 1 𝑭𝟑 → 𝑭𝟑
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

Tabla inicial 2 -1 1 0 0 M M
Sigmas
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0 5/1=5 𝐹1
𝑎2 M 2 1 1 -1 0 -1 1 0 2/1=2 𝐹2
𝑎3 M 1 1 0 1 0 0 0 1 1/1=1 𝐹3
𝑧 = 2𝑀 + 1𝑀 = 3𝑀 2M -2 M +1 -1 0 -M 0 0

Iteración 1 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 4 0 1 0 1 0 0 -1 𝐹1 → 𝐹1 − 𝐹3
𝑎2 M 1 0 1 -2 0 -1 1 -1 𝐹2 → 𝐹2 − 𝐹3
𝑥1 2 1 1 0 1 0 0 0 1 𝑭𝟑 → 𝑭𝟑
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

Tabla inicial 2 -1 1 0 0 M M
Sigmas
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0 5/1=5 𝐹1
𝑎2 M 2 1 1 -1 0 -1 1 0 2/1=2 𝐹2
𝑎3 M 1 1 0 1 0 0 0 1 1/1=1 𝐹3
𝑧 = 2𝑀 + 1𝑀 = 3𝑀 2M -2 M +1 -1 0 -M 0 0

Iteración 1 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 4 0 1 0 1 0 0 -1 𝐹1 → 𝐹1 − 𝐹3
𝑎2 M 1 0 1 -2 0 -1 1 -1 𝐹2 → 𝐹2 − 𝐹3
𝑥1 2 1 1 0 1 0 0 0 1 𝑭𝟑 → 𝑭𝟑
𝑧 =𝑀+2
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

Tabla inicial 2 -1 1 0 0 M M
Sigmas
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 5 1 1 1 1 0 0 0 5/1=5 𝐹1
𝑎2 M 2 1 1 -1 0 -1 1 0 2/1=2 𝐹2
𝑎3 M 1 1 0 1 0 0 0 1 1/1=1 𝐹3
𝑧 = 2𝑀 + 1𝑀 = 3𝑀 2M -2 M +1 -1 0 -M 0 0

Iteración 1 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 4 0 1 0 1 0 0 -1 𝐹1 → 𝐹1 − 𝐹3
𝑎2 M 1 0 1 -2 0 -1 1 -1 𝐹2 → 𝐹2 − 𝐹3
𝑥1 2 1 1 0 1 0 0 0 1 𝑭𝟑 → 𝑭𝟑
𝑧 =𝑀+2 0 M+1 -2M+1 0 -M 0 -2M+2
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

❖ Criterio de minimización: Entra 𝒙𝟐

Iteración 1 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 4 0 1 0 1 0 0 -1
𝑎2 M 1 0 1 -2 0 -1 1 -1
𝑥1 2 1 1 0 1 0 0 0 1
𝑧 =𝑀+2 0 M+1 -2M+1 0 -M 0 -2M+2
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

❖ Criterio de la variable entrante: Entra 𝒙𝟐
❖ Criterio de la variable saliente: Sale 𝒂𝟐

Iteración 1 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 4 0 1 0 1 0 0 -1 4/1=1
𝑎2 M 1 0 1 -2 0 -1 1 -1 1/1= 1
𝑥1 2 1 1 0 1 0 0 0 1 -
𝑧 =𝑀+2 0 M+1 -2M+1 0 -M 0 -2M+2
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

Iteración 1 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 4 0 1 0 1 0 0 -1 4/1=1
𝑎2 M 1 0 1 -2 0 -1 1 -1 1/1= 1
𝑥1 2 1 1 0 1 0 0 0 1 -
𝑧 =𝑀+2 0 M+1 -2M+1 0 -M 0 -2M+2

Iteración 2 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 3 0 0 2 1 1 -1 0
𝐹1 → 𝐹1 − 𝐹2
𝑥2 -1 1 0 1 -2 0 -1 1 -1 𝑭𝟐 → 𝑭𝟐
𝑥1 2 1 1 0 1 0 0 0 1 𝐹3 → 𝐹3
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

Iteración 1 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 4 0 1 0 1 0 0 -1 4/1=1
𝑎2 M 1 0 1 -2 0 -1 1 -1 1/1= 1
𝑥1 2 1 1 0 1 0 0 0 1 -
𝑧 =𝑀+2 0 M+1 -2M+1 0 -M 0 -2M+2

Iteración 2 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 3 0 0 2 1 1 -1 0
𝐹1 → 𝐹1 − 𝐹2
𝑥2 -1 1 0 1 -2 0 -1 1 -1 𝑭𝟐 → 𝑭𝟐
𝑥1 2 1 1 0 1 0 0 0 1 𝐹3 → 𝐹3
𝑧=1 0 0 3 0 1 -M-1 -M+3
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

Iteración 1 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 4 0 1 0 1 0 0 -1 4/1=1
𝑎2 M 1 0 1 -2 0 -1 1 -1 1/1= 1
𝑥1 2 1 1 0 1 0 0 0 1 -
𝑧 =𝑀+2 0 M+1 -2M+1 0 -M 0 -2M+2

No hay ninguna variable artificial. ¡Hemos encontrado una solución factible!

Iteración 2 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 3 0 0 2 1 1 -1 0
𝐹1 → 𝐹1 − 𝐹2
𝑥2 -1 1 0 1 -2 0 -1 1 -1 𝑭𝟐 → 𝑭𝟐
𝑥1 2 1 1 0 1 0 0 0 1 𝐹3 → 𝐹3
𝑧=1 0 0 3 0 1 -M-1 -M+3
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

Iteración 1 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 4 0 1 0 1 0 0 -1 4/1=1
𝑎2 M 1 0 1 -2 0 -1 1 -1 1/1= 1
𝑥1 2 1 1 0 1 0 0 0 1 -
𝑧 =𝑀+2 0 M+1 -2M+1 0 -M 0 -2M+2
Los 𝑍𝑗 − 𝐶𝑗 de las variables artificiales serán siempre de la forma: −𝑀 + 𝑎.
Al ser 𝑀 ≫ 𝑎 ¡No volverán a entrar nunca como variables básicas!
Iteración 2 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 3 0 0 2 1 1 -1 0
𝐹1 → 𝐹1 − 𝐹2
𝑥2 -1 1 0 1 -2 0 -1 1 -1 𝑭𝟐 → 𝑭𝟐
𝑥1 2 1 1 0 1 0 0 0 1 𝐹3 → 𝐹3
𝑧=1 0 0 3 0 1 -M-1 -M+3
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

❖ Podemos minimizar más nuestra función objetivo ya que el criterio de optimalidad no se cumple.

Iteración 2 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 3 0 0 2 1 1 -1 0
𝑥2 -1 1 0 1 -2 0 -1 1 -1
𝑥1 2 1 1 0 1 0 0 0 1
𝑧=1 0 0 3 0 1 -M-1 -M+3
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

❖ Podemos minimizar más nuestra función objetivo ya que el criterio de optimalidad no se cumple.
❖ Entra 𝑥3 .

Iteración 2 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 3 0 0 2 1 1 -1 0
𝑥2 -1 1 0 1 -2 0 -1 1 -1
𝑥1 2 1 1 0 1 0 0 0 1
𝑧=1 0 0 3 0 1 -M-1 -M+3
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

❖ Podemos minimizar más nuestra función objetivo ya que el criterio de optimalidad no se cumple.
❖ Entra 𝑥3 .
❖ Sale 𝑥1 .

Iteración 2 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 3 0 0 2 1 1 -1 0 3/2
𝑥2 -1 1 0 1 -2 0 -1 1 -1 -
𝑥1 2 1 1 0 1 0 0 0 1 1
𝑧=1 0 0 3 0 1 -M-1 -M+3
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

Iteración 2 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 3 0 0 2 1 1 -1 0 3/2
𝑥2 -1 1 0 1 -2 0 -1 1 -1 -
𝑥1 2 1 1 0 1 0 0 0 1 1
𝑧=1 0 0 3 0 1 -M-1 -M+3

Iteración 3 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 1 -2 0 0 1 1 -1 -2 𝐹1 → 𝐹1 − 2𝐹3
𝑥2 -1 3 2 1 0 0 -1 1 1 𝐹2 → 𝐹2 + 2𝐹3
𝑥3 1 1 1 0 1 0 0 0 1 𝑭 𝟑 → 𝑭𝟑
𝑧 = −2 -3 0 0 0 1 -M-1 -M
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

❖ Podemos minimizar más nuestra función objetivo ya que el
criterio de optimalidad no se cumple.
❖ Entra 𝑒2 .
❖ Sale ℎ1 .

Iteración 3 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 1 -2 0 0 1 1 -1 -2 1
𝑥2 -1 3 2 1 0 0 -1 1 1 -
𝑥3 1 1 1 0 1 0 0 0 1 -
𝑧 = −2 -3 0 0 0 1 -M-1 -M
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

Iteración 3 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
ℎ1 0 1 -2 0 0 1 1 -1 -2 1
𝑥2 -1 3 2 1 0 0 -1 1 1 -
𝑥3 1 1 1 0 1 0 0 0 1 -
𝑧 = −2 -3 0 0 0 1 -M-1 -M

Iteración 4 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
𝑒2 0 1 -2 0 0 1 1 -1 -2 𝑭𝟏 → 𝑭 𝟏
𝑥2 -1 4 0 1 0 1 0 0 -1 𝐹2 → 𝐹2 + 𝐹1
𝑥3 1 1 1 0 1 0 0 0 1 𝐹3 → 𝐹3
𝑧 = −3 -1 0 0 -1 0 -M -M+2
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

❖ El criterio de optimalidad se cumple, ya que todos los 𝑍𝑗 − 𝐶𝑗 ≤ 0 en un objetivo de

minimización. La solución es óptima.

𝑥 ∗ = 𝑥1 , 𝑥2 , 𝑥3 = 0, 4,1

❖ Para la cual encontramos un mínimo en la función objetivo:

𝑧 ∗ = −3

Iteración 4 2 -1 1 0 0 M M
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 𝑥3 ℎ1 𝑒2 𝑎2 𝑎3
𝑒2 0 1 -2 0 0 1 1 -1 -2 𝑭𝟏 → 𝑭 𝟏
𝑥2 -1 4 0 1 0 1 0 0 -1 𝐹2 → 𝐹2 + 𝐹1
𝑥3 1 1 1 0 1 0 0 0 1 𝐹3 → 𝐹3
𝑧 = −3 -1 0 0 -1 0 -M -M+2
 Algoritmo Símplex: Variables Artificiales

❑Método de las penalizaciones / Método de la M Grande

𝑥2

Variables
Solución Punto
Iteración artificiales
(𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 ) (2D)
𝒂𝟏 , 𝒂𝟐
0∗ (0,0,0) A (2,1)
1 (1,0,0) B (1,0)
2 (1,1,0) C (0,0)
3 (0,3,1) D (0,0)
4 (0,4,1) E (0,0)

𝑥1

*Tabla Inicial
 Algoritmo Símplex: Tipología de soluciones

❑Tipología de Soluciones de Programas Lineales

Solución no acotada

No Factible

Solución única

Factible Acotado

Solución Múltiple
 Algoritmo Símplex: Tipología de soluciones

❑Solución no acotada
❖ El valor de la función objetivo no está limitado por las restricciones.

Ejemplo:

𝑚𝑎𝑥 𝑧 = 𝑥1 + 2𝑥2 𝑚𝑎𝑥 𝑧 = 𝑥1 + 2𝑥2

𝑠. 𝑎. 𝑥1 − 𝑥2 ≤ 8 𝑠. 𝑎. 𝑥1 − 𝑥2 + ℎ1 = 8
2𝑥1 − 𝑥2 ≤ 40 2𝑥1 − 𝑥2 + ℎ2 = 40
𝑥𝑖 ≥ 0 ∀𝑖 = 1,2 𝑥1 , 𝑥2 , ℎ1 , ℎ2 ≥ 0

Tabla Inicial 1 2 0 0
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2
ℎ1 0 8 1 -1 1 0
ℎ2 0 40 2 -1 0 1
𝑧=0 -1 -2 0 0
 Algoritmo Símplex: Tipología de soluciones

❑Solución no acotada
❖ El valor de la función objetivo no está limitado por las restricciones.
𝑧 → ∞
Ejemplo:

𝑚𝑎𝑥 𝑧 = 𝑥1 + 2𝑥2 𝑚𝑎𝑥 𝑧 = 𝑥1 + 2𝑥2

𝑠. 𝑎. 𝑥1 − 𝑥2 ≤ 8 𝑠. 𝑎. 𝑥1 − 𝑥2 + ℎ1 = 8
2𝑥1 − 𝑥2 ≤ 40 2𝑥1 − 𝑥2 + ℎ2 = 40
𝑥𝑖 ≥ 0 ∀𝑖 = 1,2 𝑥1 , 𝑥2 , ℎ1 , ℎ2 ≥ 0 𝑥1 − 𝑥2 ≤ 8

Tabla Inicial 1 2 0 0
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2 2𝑥1 − 𝑥2 ≤ 40
ℎ1 0 8 1 -1 1 0 -8
ℎ2 0 40 2 -1 0 1 -40
𝑧=0 -1 -2 0 0

𝑥2 no tiene ninguna variable de salida ya

que todos los coeficientes son negativos.
 Algoritmo Símplex: Tipología de soluciones

❑Solución no acotada
❖ El valor de la función objetivo no está limitado por las restricciones.
𝑧 → ∞

Si en alguna iteración no podemos aplicar el criterio de salida,

entonces la solución no está acotada.

𝑥1 − 𝑥2 ≤ 8

Tabla Inicial 1 2 0 0
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2 2𝑥1 − 𝑥2 ≤ 40
ℎ1 0 8 1 -1 1 0 -8
ℎ2 0 40 2 -1 0 1 -40
𝑧=0 -1 -2 0 0

𝑥2 no tiene ninguna variable de salida ya

que todos los coeficientes son negativos.
 Algoritmo Símplex: Tipología de soluciones

❑Solución no factible
❖ El conjunto de soluciones posibles será vacío cuando en la tabla óptima aparezca alguna
variable artificial. Es decir, cuando 𝒂𝒊 > 𝟎.

❖ Las variables artificiales son construidas para llegar a una solución factible. Si no existe
ninguna, entonces participaran en la función objetivo.
 Algoritmo Símplex: Tipología de soluciones

❑Solución no factible
❖ El conjunto de soluciones posibles será vacío cuando en la tabla óptima aparezca alguna
variable artificial. Es decir, cuando 𝒂𝒊 > 𝟎.

❖ Las variables artificiales son construidas para llegar a una solución factible. Si no existe
ninguna, entonces participaran en la función objetivo.

Ejemplo:
𝑚𝑎𝑥 𝑧 = 5𝑥1 − 3𝑥2 𝑚𝑎𝑥 𝑧 = 5𝑥1 − 3𝑥2 − 𝑀𝑎2
𝑠. 𝑎. 2𝑥1 + 𝑥2 ≤ 1 𝑠. 𝑎. 2𝑥1 + 𝑥2 + ℎ1 =1
4𝑥1 + 2𝑥2 ≥ 6 4𝑥1 + 2𝑥2 − 𝑒2 + 𝑎2 = 6
𝑥𝑖 ≥ 0 ∀𝑖 = 1,2 𝑥1 , 𝑥2 , ℎ1 , 𝑒2 , 𝑎2 ≥ 0

Tabla Inicial 5 −3 0 0 −𝑀
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 𝑒2 𝑎2
ℎ1 0 1 2 1 1 0 0
𝑎2 −𝑀 6 4 2 0 -1 1
𝑧 = −6M −4𝑀 − 5 −2𝑀 + 3 0 𝑀 0
 Algoritmo Símplex: Tipología de soluciones

❑Solución no factible
Tabla Inicial 5 −3 0 0 −𝑀
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 𝑒2 𝑎2
ℎ1 0 1 𝟐 1 1 0 0 1/2
𝑎2 −𝑀 6 4 2 0 -1 1 2/3
𝑧 = −6M −4𝑀 − 5 −2𝑀 + 3 0 𝑀 0

Iteración 1 5 −3 0 0 −𝑀
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 𝑒2 𝑎2
𝟏
𝑥1 0 1/2 1 1/2 1/2 0 0 𝑭𝟏 → 𝑭
𝟐 𝟏
𝑎2 −𝑀 1 0 0 -2 -1 1 𝐹2 → 𝐹2 − 4𝐹1
𝑧 = −6 + 5/2 0 11/2 2M+5/2 𝑀 0
 Algoritmo Símplex: Tipología de soluciones

❑Solución no factible
Tabla Inicial 5 −3 0 0 −𝑀
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 𝑒2 𝑎2
ℎ1 0 1 𝟐 1 1 0 0 1/2
𝑎2 −𝑀 6 4 2 0 -1 1 2/3
𝑧 = −6M −4𝑀 − 5 −2𝑀 + 3 0 𝑀 0

Iteración 1 5 −3 0 0 −𝑀
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 𝑒2 𝑎2
𝟏
𝑥1 0 1/2 1 1/2 1/2 0 0 𝑭𝟏 → 𝑭
𝟐 𝟏
𝑎2 −𝑀 1 0 0 -2 -1 1 𝐹2 → 𝐹2 − 4𝐹1
𝑧 = −6 + 5/2 0 11/2 2M+5/2 𝑀 0

Se cumple el Criterio de Optimalidad, pero 𝒂𝟐 = 𝟏. No tiene solución.

 Algoritmo Símplex: Tipología de soluciones

❑Solución Múltiple
❖ En la solución óptima, existe alguna variable secundaria con un 𝒁𝒋 − 𝑪𝒋 igual a cero.
❖ Existen distintas combinaciones de variables básicas que proporcionan el mismo valor óptima
de la función objetivo.

Ejemplo:

𝑚𝑎𝑥 𝑧 = 𝑥1 + 2𝑥2 𝑚𝑎𝑥 𝑧 = 𝑥1 + 2𝑥2

𝑠. 𝑎. 𝑥1 + 2𝑥2 ≤ 6 𝑠. 𝑎. 𝑥1 + 2𝑥2 + ℎ1 = 6
2𝑥1 + 𝑥2 ≤ 6 2𝑥1 + 𝑥2 + ℎ2 = 6
𝑥𝑖 ≥ 0 ∀𝑖 = 1,2 𝑥𝑖 ≥ 0 ∀𝑖 = 1,2

Tabla Inicial 1 2 0 0
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2
ℎ1 0 6 1 2 1 0 3
ℎ2 0 6 2 1 0 1 6
𝑧=0 -1 -2 0 0
 Algoritmo Símplex: Tipología de soluciones

❑Solución Múltiple

Tabla Inicial 1 2 0 0
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2
ℎ1 0 6 1 2 1 0 3
ℎ2 0 6 2 1 0 1 6
𝑧=0 -1 -2 0 0

Iteración 1 1 2 0 0
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2
𝟏
𝑥2 2 3 1/2 1 1/2 0 𝑭𝟏 → 𝑭
𝟐 𝟏
ℎ2 0 3 3/2 0 −1/2 1 𝐹2 → 𝐹2 − 𝐹1
𝑧=6 0 0 1 0
 Algoritmo Símplex: Tipología de soluciones

❑Solución Múltiple

Tabla Inicial 1 2 0 0
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2
ℎ1 0 6 1 2 1 0 3
ℎ2 0 6 2 1 0 1 6
𝑧=0 -1 -2 0 0

Iteración 1 1 2 0 0
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2
𝟏
𝑥2 2 3 1/2 1 1/2 0 𝑭𝟏 → 𝑭
𝟐 𝟏
ℎ2 0 3 3/2 0 −1/2 1 𝐹2 → 𝐹2 − 𝐹1
𝑧=6 0 0 1 0

Se cumple el criterio de Optimalidad en 𝑥1 , 𝑥2 = (0,3)

 Algoritmo Símplex: Tipología de soluciones

❑Solución Múltiple

Tabla Inicial 1 2 0 0
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2
ℎ1 0 6 1 2 1 0 3
ℎ2 0 6 2 1 0 1 6
𝑧=0 -1 -2 0 0

Tabla óptima 1 2 0 0
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2
𝟏
𝑥2 2 3 1/2 1 1/2 0 𝑭𝟏 → 𝑭
𝟐 𝟏
ℎ2 0 3 3/2 0 −1/2 1 𝐹2 → 𝐹2 − 𝐹1
𝑧=6 0 0 1 0

𝑍𝑥1 − 𝐶𝑥1 = 0 y es una variable secundaria en la tabla

óptima. Tiene múltiples soluciones.
 Algoritmo Símplex: Tipología de soluciones

❑Solución Múltiple

❖ En la tabla óptima:

❖ Si el número de 𝑍𝑗 − 𝐶𝑗 = 0 es igual al número de 𝑧=6

restricciones: Solución única.

❖ Si el número de 𝑍𝑗 − 𝐶𝑗 = 0 es mayor al número

de restricciones: Solución múltiple.

❖ Para conocer las múltiples soluciones, basta con hacer

una nueva iteración.
 Algoritmo Símplex: Tipología de soluciones

❑Solución Múltiple
Tabla óptima (1) 1 2 0 0
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2
𝑥2 2 3 1/2 1 1/2 0 6
ℎ2 0 3 3/2 0 −1/2 1 2
𝑧=6 0 0 1 0

Tabla óptima (2) 1 2 0 0

B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2
1
𝑥2 2 2 0 1 2/3 -1/3 𝐹1 → 𝐹1 − 𝐹2
2
𝑥1 1 2 1 0 −1/3 2/3 𝟐
𝑭𝟐 → 𝑭𝟐
𝟑
𝑧=6 0 0 1 0

Volvemos a tener un 𝑍𝑗 − Cj = 0 en una variable secundaria.

 Algoritmo Símplex: Tipología de soluciones

❑Solución Múltiple
Tabla óptima (1) 1 2 0 0
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2
𝑥2 2 3 1/2 1 1/2 0 6
ℎ2 0 3 3/2 0 −1/2 1 2
𝑧=6 0 0 1 0

La función objetivo se
mantiene igual. 𝑧 = 6

Tabla óptima (2) 1 2 0 0

B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2
1
𝑥2 2 2 0 1 2/3 -1/3 𝐹1 → 𝐹1 − 𝐹2
2
𝑥1 1 2 1 0 −1/3 2/3 𝟐
𝑭𝟐 → 𝑭𝟐
𝟑
𝑧=6 0 0 1 0

Volvemos a tener un 𝑍𝑗 − Cj = 0 en una variable secundaria.

 Algoritmo Símplex: Tipología de soluciones

❑Solución Múltiple
❖ Solución óptima 1: 𝐴Ԧ = 𝑥1 , 𝑥2 = 0,3
❖ Solución óptima 2: 𝐵 = 𝑥1 , 𝑥2 = 2,2

❖ Al tener 2 soluciones óptimas, existen un infinito

𝑧=6
de estas:

𝒙 = 𝜇 𝐴Ԧ + 1 − 𝜇 𝐵 0≤𝜇≤1

❖ Se comprueba fácilmente que todos los puntos de

esta forma proporcionan el mismo valor de la
función objetivo:

𝑥1 , 𝑥2 = 2 − 2𝜇, 2 + 𝜇 → 𝑧 = 𝑥1 + 2𝑥2 = (2 − 2𝜇) + 2 2 + 𝜇 = 6

 Algoritmo Símplex: Tipología de soluciones

❑Degeneración
❖ Cuando una variable básica puede tomar el valor de cero.

❖ Suele pasar al tener un empate en el criterio de variable de salida.

❖ La función objetivo se mantiene con el mismo valor por una serie de iteraciones.

❖ Puede causar un “bucle infinito”.

 Algoritmo Símplex: Tipología de soluciones

❑Degeneración
❖ Cuando una variable básica puede tomar el valor de cero.

Ejemplo:

𝑚𝑎𝑥 𝑧 = 3𝑥1 + 9𝑥2

𝑠. 𝑎. 𝑥1 + 4𝑥2 ≤ 8
𝑥1 + 2𝑥2 ≤ 4
𝑥𝑖 ≥ 0 ∀𝑖 = 1,2

Tabla óptima 1 2 0 0
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2
𝑥2 9 2 0 1 1/2 -1/2 La solución 𝑥1 , 𝑥2 = (0,2) es
𝑥1 3 0 1 0 −1 2 única y degenerada.
𝑧 = 18 0 0 3/2 3/2
 Algoritmo Símplex: Tipología de soluciones

❑Degeneración
❖ Cuando una variable básica puede tomar el valor de cero.

Ejemplo:

𝑚𝑎𝑥 𝑧 = 3𝑥1 + 9𝑥2

𝑠. 𝑎. 𝑥1 + 4𝑥2 ≤ 8 Es degenerada debido a una
𝑥1 + 2𝑥2 ≤ 4 restricción redundante
𝑥𝑖 ≥ 0 ∀𝑖 = 1,2

Tabla óptima 1 2 0 0
B 𝐶𝐵 𝑉𝐵 𝑥1 𝑥2 ℎ1 ℎ2
𝑥2 9 2 0 1 1/2 -1/2 La solución 𝑥1 , 𝑥2 = (0,2) es
𝑥1 3 0 1 0 −1 2 única y degenerada.
𝑧 = 18 0 0 3/2 3/2
Insertar iconos ODS