2.4. Mtodo Smplex. El mtodo smplex es un algoritmo. De hecho, cualquier procedimiento iterativo de solucin es un algoritmo.

Entonces, un algoritmo es simplemente un proceso en el que se repite (se itera) un procedimiento sistemtico una y otra vez hasta obtener el resultado deseado. Cada vez que se lleva a cabo el procedimiento sistemtico se realiza una iteracin. En consecuencia, un algoritmo sustituye un problema difcil por una serie de problemas fciles. Adems de las iteraciones, los algoritmos incluyen un procedimiento para iniciar y un criterio para determinar cundo detenerse, como se resume enseguida:

Paso inicial Paso iterativo Regla de detencin Si no Si s

Preparacin para iniciar iteraciones Realizacin de iteraciones Es ptima la solucin actual?

Fin
El mtodo smplex es un procedimiento algebraico en el que cada iteracin contiene la solucin de un sistema de ecuaciones para obtener una nueva solucin a la que se le aplica la prueba de optimalidad. No obstante, tambin tiene una interpretacin geomtrica muy til. Para ilustrar los conceptos geomtricos generales se emplear la solucin grfica del siguiente problema:

Max Z = 3x1 + 5x2 s.a. x1 4 2x2 12 3x1 + 2x2 18 x1 0 x2 0

Solucin por el mtodo grfico:

En la figura anterior pueden observarse los puntos de interseccin que son las soluciones en los vrtices del problema. Los cinco puntos que se encuentran en los vrtices de la regin factible, (0,0), (0,6), (2,6), (4,3), (4,0) son las soluciones factibles en los vrtices. Algunas de estas soluciones factibles en un vrtice son adyacentes, en el sentido de que estn conectadas por una sola orilla (segmento de lnea) de la frontera de la regin factible; esto es, tanto (0,6) como (4,3) son adyacentes a (2,6). Las tres propiedades clave de las soluciones factibles en los vrtices y que forman el fundamento del mtodo smplex se resumen como sigue: Propiedades de las soluciones factibles en un vrtice: 1a. Si existe exactamente una solucin ptima, entonces debe ser una solucin factible en un vrtice. 1b. Si existen soluciones ptimas mltiples, entonces al menos dos de ellas deben ser soluciones factibles en vrtices adyacentes. 2. Existe slo un nmero finito de soluciones factibles en los vrtices adyacentes. 3. Si una solucin en un vrtice es igual o menor (segn el valor de Z) que todas las soluciones factibles en los vrtices adyacentes a ella, entonces es igual o mejor que todas las dems soluciones en los vrtices; es decir, es ptima. La propiedad 1 significa que la bsqueda de la solucin ptima se puede reducir a la consideracin de slo las soluciones factibles en los vrtices, de manera que slo existe un nmero finito de soluciones que es necesario tomar en cuenta (propiedad 2). La propiedad 3 proporciona una prueba de optimalidad muy conveniente. El mtodo smplex explota estas tres propiedades al examinar nada ms unas cuantas soluciones factibles en vrtices prometedores y al detenerse en cuanto una de ellas pasa la prueba de optimalidad. En particular, se traslada repetidamente (en forma iterativa) de una solucin factible en un vrtice a otra, adyacente y mejor. Esto se puede realizar en forma muy eficiente hasta que la solucin actual no tiene soluciones factibles en vrtices adyacentes que sean mejores. Este procedimiento se resume como sigue:

Bosquejo del mtodo smplex: 1. Paso inicial: inicio en una solucin factible en un vrtice. 2. Paso iterativo: traslado a una mejor solucin factible en un vrtice adyacente. (Reptase este paso las veces que sea necesario). 3. Prueba de optimalidad: la solucin factible en un vrtice es ptima cuando ninguna de las soluciones en vrtices adyacentes a ella sean mejores. Este bosquejo muestra la esencia del mtodo smplex,. En el caso del ejemplo, al utilizar estas reglas de seleccin el mtodo smplex procede como sigue: 1. Paso inicial: comienza en (0,0). 2a. Iteracin 1: se mueve de (0,0) a (0,6) 2b. Iteracin 2: se mueve de (0,6) a (2,6). 3. Prueba de optimalidad: ni (0,6) ni (4,3) son mejores que (2,6), entonces se detiene, (2,6) es ptima. Preparacin para el mtodo smplex. En el procedimiento algebraico es mucho ms conveniente manejar ecuaciones que desigualdades. As, el primer paso para preparar el mtodo smplex es convertir las restricciones funcionales de desigualdad en restricciones equivalentes. (Las restricciones de no negatividad se pueden dejar como desigualdades porque el algoritmo las usa slo indirectamente). Esta conversin se hace mediante la introduccin de variables de holgura. Considrese la primera restriccin funcional del ejemplo: x1 4 La variable de holgura para esta restriccin es x3, que no es otra cosa que la holgura entre los dos lados de la desigualdad. Entonces: x1 + x3 = 4 La restriccin original x1 4 se cumple siempre que x3 0. Por tanto, x1 4 es totalmente equivalente al conjunto de restricciones x1 + x3 = 4 y x3 0, de manera que se usar este conjunto por resultar ms conveniente. Al introducir variables de holgura en las otras restricciones en forma parecida, el modelo de programacin lineal original para este ejemplo se puede sustituir por el modelo equivalente: Maximizar Z = 3x1 + 5x2, sujeta a

x1 3x1 +

+ x3 2x2 2x2 xj 0

x4

+ x5 para j = 1, 2, , 5

= = =

4 12 18

Aun cuando este problema es idntico al anterior, esta forma es mucho ms conveniente para la manipulacin algebraica y la identificacin de las soluciones factibles en los vrtices. sta se llama la forma de igualdades del problema, para diferenciarla de la forma de desigualdades original y poder introducir la siguiente definicin: Una solucin aumentada es una solucin para un problema que originalmente se encontraba en forma de desigualdades y que se ha aumentado con los valores correspondientes de las variables de holgura para cambiar el problema a la forma de igualdades. Por ejemplo, al aumentar la solucin (3,2) en el ejemplo, se obtiene la solucin aumentada (3,2,1,8,5), puesto que los valores correspondientes de las variables de holgura son x3 = 1, x4 = 8, x5 = 5. Una solucin bsica es una solucin en un vrtice aumentada. Para ilustrar esto, considrese la solucin no factible en el vrtice (4,6) del ejemplo. Al aumentar con los valores obtenidos para las variables de holgura x3 = 0, x4 = 0 y x5 = 6, se llega a la solucin bsica correspondiente (4,6,0,0,6). Se permite que las soluciones bsicas sean factibles o no factibles, lo que lleva a la siguiente definicin: Una solucin bsica factible es una solucin factible en un vrtice aumentada. As, la solucin factible en el vrtice (0,6) del ejemplo es equivalente a la solucin bsica factible (0,6,4,0,6) para la forma de igualdades del problema. Como los trminos solucin bsica y solucin bsica factible constituyen partes muy importantes del vocabulario normal de programacin lineal, es necesario aclarar sus propiedades algebraicas. Ntese que para la forma de igualdades del ejemplo, el sistema de restricciones funcionales tiene dos variables ms (cinco) que ecuaciones (tres). Este hecho proporciona dos grados de libertad al resolver el sistema, ya que se pueden elegir dos variables cualesquiera y hacerlas iguales a cualquier valor arbitrario para resolver las tres ecuaciones en trminos de las tres variables restantes (se excluyen redundancias). El mtodo smplex usa cero para este valor arbitrario. Las variables que por el momento se hacen iguales a cero se llaman variables no bsicas; todas las dems se llaman variables bsicas. La solucin que resulta es una solucin bsica. Si todas las variables bsicas son no negativas, entonces se tiene una solucin bsica factible. Para cualquier solucin bsica, la solucin en el vrtice correspondiente se obtiene simplemente al quitar las variables de holgura. Dos soluciones bsicas son adyacentes si todas menos una de sus variables son las mismas; la misma aseveracin se cumple para las variables bsicas. Entonces, trasladarse de una solucin bsica factible a una adyacente significa cambiar el estado de una variable de no bsica a bsica y viceversa para otra variable. En trminos generales, el nmero de variables no bsicas de una solucin bsica siempre es igual a los grados de libertad del sistema de ecuaciones y el nmero de variables bsicas siempre es igual al nmero de restricciones funcionales. Al trabajar con el problema en forma de igualdades, conviene tomar en cuenta y manipular la ecuacin de la funcin objetivo al mismo tiempo que las nuevas ecuaciones de las restricciones. Antes de comenzar con el mtodo smplex es necesario escribir el problema una vez ms en su forma equivalente:

Maximizar Z, sujeta a Z 3x1 5x2 + x3 x1 2x2 3x1 + 2x2 xj 0 = = = = 0 4 12 18

x4

+ x5 para j = 1, 2, , 5

Como la ecuacin de la funcin objetivo ya se encuentra en forma de igualdad, no necesita variable de holgura. Con esta interpretacin, las soluciones bsicas no cambian, excepto que Z puede verse como una variable bsica adicional permanente. A partir de este momento ya estamos listos para pasar los coeficientes de nuestro problema a lo que conoceremos como la Tabla Smplex:

Variable Bsica Z x3 x4 x5 Z 1 0 0 0 x1 3 1 0 3 x2 5 0 2 2 x3 0 1 0 0 x4 0 0 1 0 x5 0 0 0 1

Lado derecho 0 4 12 18 Cociente Es ptima? (0, 0, 4, 12, 18) Z=0

La tabla anterior ilustra una propiedad clave que toda tabla smplex debe tener para estar en la forma apropiada; se trata del patrn especial de los coeficientes de las variables bsicas. En particular, ntese cmo las columnas de x 3, x4 y x5 (al igual que la columna de Z) contiene exactamente un +1 en el rengln que corresponde a esa variable bsica (vase la primera columna), y todos los dems coeficientes en esa columna son cero. De la misma manera, cada ecuacin contiene exactamente una variable bsica con coeficiente distinto de cero, en donde este coeficiente es +1. Esta propiedad es significativa, ya que permite identificar de inmediato la solucin bsica factible actual a partir de la tabla; esto es, cada variable bsica es igual a la constante del lado derecho de su ecuacin. Esta primera solucin bsica factible actual se muestra en la figura anterior en la columna de Es ptima?. De aqu en adelante, para cada nueva iteracin del mtodo smplex mostraremos la solucin bsica factible actual en esta columna de la tabla smplex. (Recurdese que las variables no bsicas son iguales a cero). La tabla smplex inicial quedar automticamente en esta forma apropiada (a menos que el problema original de programacin lineal no est en nuestra forma estndar). El mtodo smplex construye una tabla smplex para cada solucin bsica factible que se obtiene, hasta alcanzar la solucin ptima. A continuacin describimos el procedimiento para problemas que ya estn en la forma estndar, con bi > 0 para toda i = 1, 2, , m. PASO INICIAL. Se introducen variables de holgura. Despus se seleccionan las variables originales como variables no bsicas iniciales (se igualan a cero) y las variables de holgura como las variables bsicas originales. Esta seleccin lleva a la tabla smplex inicial anterior. Como esta tabla est en la forma apropiada, de inmediato se obtiene la solucin bsica factible inicial para el ejemplo, (0,0,4,12,18). Ahora debe realizarse la prueba de optimalidad para determinar si la solucin es optima. PRUEBA DE OPTIMALIDAD. La solucin bsica factible actual es ptima si y slo si todos los coeficientes de la ecuacin de la funcin objetivo (rengln de Z) son no negativos ( 0 ). Si es as, el proceso termina; de otra manera, se lleva a cabo otra iteracin para obtener la nueva solucin bsica factible, lo que significa el cambio de una variable no bsica por una bsica (parte 1) y viceversa (parte 2), y despus despejar las variables de la nueva solucin (parte 3).

En este ejemplo, hay dos coeficientes negativos en la ecuacin de Z, -3 para x1 y -5 para x2 de manera que debe irse al paso iterativo. Tacharemos la solucin bsica factible actual como se muestra en la tabla anterior para indicar que esta solucin no es ptima. PASO ITERATIVO. Parte 1. Se determina la variable bsica entrante mediante la eleccin de la variable con el coeficiente negativo (automticamente se refiere a una variable no bsica) que tiene el mayor valor absoluto en la ecuacin de Z. Se enmarca la columna correspondiente a este coeficiente; esta columna recibe el nombre de columna pivote. En el ejemplo, el coeficiente negativo ms grande (en trminos de valor absoluto) es 5 para x2 (5>3), por lo que x2 debe convertirse en variable bsica. Este cambio se indica en la siguiente tabla con el recuadro en la columna de x2 abajo del 5:

Variable Bsica Z x3 x4 x5 Z 1 0 0 0 x1 3 1 0 3 x2 5 0 2 2 x3 0 1 0 0 x4 0 0 1 0 x5 0 0 0 1

Lado derecho 0 4 12 18 Cociente Es ptima?

12/2 = 6 18/2 = 9

mnimo

Parte 2. Se determina la variable bsica que sale; para esto, a) se toma cada coeficiente estrictamente positivo (>0) de la columna enmarcada, b) se divide el lado derecho de cada rengln entre estos coeficientes, c) se identifica la ecuacin con el menor coeficiente y d) se selecciona la variable bsica para esta ecuacin. (Esta variable bsica es la que llega a cero primero cuando se incrementa la variable bsica entrante). Se enmarca el rengln de esta ecuacin en la tabla smplex sin incluir la columna Z y se le da el nombre de rengln pivote. El nmero que est en la interseccin de los dos recuadros se llama pivote. En la tabla anterior, se muestran los resultados de las partes 1 y 2 para el ejemplo (antes de enmarcar el rengln); la prueba del cociente mnimo para determinar la variable bsica que sale se muestra a la derecha de la tabla. Entonces la variable bsica que sale es x4. Parte 3. Se determina la nueva solucin bsica factible al construir una nueva tabla smplex en la forma apropiada, abajo de la que se tiene. Las primeras dos columnas no cambian, excepto que la variable bsica entrante sustituye a la variable bsica que sale en la columna de Variable Bsica. Para cambiar el coeficiente de la nueva variable bsica en el rengln pivote a +1, se divide todo el rengln pivote entre el nmero pivote: Rengln pivote nuevo = Rengln pivote antiguo / pivote En este punto, la tabla smplex para el ejemplo se ve como la que se muestra enseguida. Para obtener un coeficiente 0 para la nueva variable bsica en las otras ecuaciones, cada rengln [inclusive el de la ecuacin de Z] excepto el rengln pivote, se cambia por la nueva tabla smplex usando la siguiente frmula: Rengln nuevo = rengln antiguo - (coeficiente en la columna pivote rengln pivote nuevo) en donde el coeficiente en la columna pivote es el nmero en la columna pivote correspondiente a este rengln.

Variable Bsica Z x3 x4 x5 Z x3 x2 x5 Z 1 0 0 0 1 0 0 0 x1 3 1 0 3 x2 5 0 2 2 x3 0 1 0 0 x4 0 0 1 0 x5 0 0 0 1

Lado derecho 0 4 12 18 Cociente Es ptima? (0, 0, 4, 12, 18) Z=0

1/2

Para ilustrar con el ejemplo, los nuevos renglones se obtienen de la forma siguiente: Rengln de Z:

3 (5) 0

5 1 0

0 0 0

0 1/2 5/2

0, 0, 0,

0 6 30

Rengln nuevo =

Rengln 1: Sin cambio porque su coeficiente en la columna pivote es cero. Rengln 3:

3 (2) 0

2 1 0
a la

0 0 0
nueva tabla

0 1/2 1

1, 0, 1,
que

18 6 6
se muestra en la siguiente tabla para la

Rengln nuevo = Estos iteracin 1: cambios

3
llevan

smplex

Variable Bsica Z x3 x4 x5 Z x3 x2 x5 Z 1 0 0 0 1 0 0 0 x1 3 1 0 3 3 1 0 3 x2 5 0 2 2 0 0 1 0 x3 0 1 0 0 0 1 0 0 x4 0 0 1 0 5/2 0 1/2 1 x5 0 0 0 1 0 0 0 1

Lado derecho 0 4 12 18 30 4 6 6 Cociente Es ptima? (0, 0, 4, 12, 18) Z=0

(0, 6, 4, 0, 6) Z = 30

Como las variables bsicas siempre son iguales al lado derecho de la ecuacin que le corresponde, la nueva solucin bsica factible es (0, 6, 4, 0, 6) con Z = 30. Este trabajo completa el paso iterativo, as que debe proseguirse a la prueba de optimalidad. Como la ecuacin de Z todava tiene coeficientes negativos (3 para x1), la prueba de optimalidad indica que la solucin no es ptima, (lo cual se muestra en la figura anterior) por lo que manda al algoritmo de regreso al paso iterativo para obtener la siguiente solucin bsica factible. El paso iterativo comienza de

nuevo en la tabla smplex actual para encontrar la nueva solucin. Si se siguen las instrucciones de las partes 1 y 2, se encuentra que x1 es la variable bsica entrante y x5 la variable bsica que sale, como se muestra en la siguiente tabla:

Variable Bsica Z x3 x2 x5 Z 1 0 0 0 x1 3 1 0 3 x2 0 0 1 0 x3 0 1 0 0 x4 5/2 0 1/2 1 x5 0 0 0 1

Lado derecho 30 4 6 6 Cociente 4/1 = 4 6/3 = 2 mn. Es ptima? (0, 6, 4, 0, 6) Z = 30

En las siguientes tablas se muestra el conjunto completo de las tablas del mtodo smplex para este ejemplo. La nueva solucin bsica factible es (2, 6, 2, 0, 0), con Z = 36. Al hacer la prueba de optimalidad, se encuentra que la solucin es ptima porque no hay coeficientes negativos en la ecuacin de Z, de manera que el algoritmo ha terminado. En consecuencia, la solucin ptima para este ejemplo (sin tomar en cuenta las variables de holgura) es x1 = 2, x2 = 6.

Variable Bsica Z x3 x4 x5 Z x3 x2 x5 Z x3 x2 x1 Z 1 0 0 0 1 0 0 0 1 0 0 0 x1 3 1 0 3 3 1 0 3 0 0 0 1 x2 5 0 2 2 0 0 1 0 0 0 1 0 x3 0 1 0 0 0 1 0 0 0 1 0 0

Lado Cociente x4 x5 derecho 0 0 0 0 0 4 1 0 12 12/2 = 6 mn. 0 1 18 18/2 = 9 5/2 0 30 0 0 4 4/1 = 4 1/2 0 6 1 1 6 6/3 = 2 mn. 3/2 1 36 1/3 1/3 2 1/2 0 6 1/3 1/3 2 Es ptima? (0, 0, 4, 12, 18) Z=0

(0, 6, 4, 0, 6) Z = 30

(2, 6, 2, 0, 0) Z = 36 ptima

Anteriormente no se dijo qu hacer cuando las reglas de seleccin del mtodo smplex no llevan a una decisin clara, ya sea porque existen empates (valores iguales) o por otras ambigedades parecidas. Empate para la variable bsica entrante. El paso 1 de cada iteracin elige la variable bsica que tiene el coeficiente negativo con el mayor valor absoluto en la ecuacin de Z actual como la variable bsica entrante. Ahora suponga que dos o ms variables no bsicas tienen el coeficiente negativo ms grande (en valor absoluto), es decir, que hay un empate entre ellas. Por ejemplo, esto ocurrira en la primera iteracin del ejemplo anterior si se cambiara la funcin objetivo a Z = 3x1 + 3x2 empate? La respuesta es que la eleccin entre estos dos contendientes se puede hacer de manera arbitraria. Tarde o temprano se llegar a la solucin ptima, sin importar cul de las variables empatadas se haya escogido, y no existe un mtodo conveniente para predecir cul lleva ah ms rpidamente. En este ejemplo ocurre que si se escoge x1 como variable entrante, el mtodo smplex alcanza la solucin ptima (2, 6) en tres iteraciones y si se elige x2, llega en dos.
1 2

= 0. Cmo debe romperse este

Ahora suponga que el empate ocurre entre dos o ms variables bsicas al elegir la variable que sale en el paso 2 de una iteracin. Importa cul se escoge? En teora s, y en una forma crtica debido a que puede ocurrir la siguiente sucesin de eventos. Primero, todas las variables empatadas se hacen cero al mismo tiempo cuando aumenta el valor de la variable entrante. Por tanto, aquellas que no se eligieron como variable bsica que sale tambin tendrn un valor de cero en la nueva solucin bsica factible. (Las variables bsicas con valor de cero se llaman degeneradas y el mismo nombre se da a la solucin bsica factible correspondiente.) Segundo, si una de estas variables bsicas degeneradas sigue con valor de cero hasta que se selecciona como variable bsica que sale en una iteracin posterior, la variable bsica entrante deber tambin quedar con valor de cero (ya que no puede crecer sin que la variable bsica que sale se vuelva negativa), entonces el valor de Z permanecer sin cambio. Tercero, si Z permanece igual en lugar de mejorar cada iteracin, el mtodo smplex puede caer en un ciclo que repite la misma secuencia de soluciones peridicamente, en lugar de aumentar en algn momento para llegar a la solucin ptima. Por fortuna, aunque en teora es posible que haya ciclos perpetuos, ha sido en extremo raro que tenga lugar en problemas reales. Si ocurriera un ciclo siempre se puede salir de l cambiando la eleccin de la variable bsica que sale. Por lo tanto se recomienda romper los empates arbitrariamente y seguir el proceso sin preocuparse de las variables que puedan resultar.

Existe otra posibilidad en el paso 2 de una iteracin, de la que no se ha hablado: aquella en la que ninguna variable califica como variable bsica que sale. Esta situacin puede ocurrir si la variable bsica entrante puede crecer indefinidamente sin que ninguna de las variables bsicas actuales adquiera valores negativos. En la forma tabular, esto significa que todos los coeficientes en la columna pivote (se excluye el rengln de Z) son negativos o cero. Como se ilustra en la siguiente tabla, esta situacin surge cuando se considera el siguiente ejemplo: Maximizar Z = 3x1 + 5x2, sujeta a y x1 x1 x2

En este ejemplo se ignoraron las dos ltimas restricciones funcionales del ejemplo resuelto anteriormente. Vea en la tabla que x2 es la variable bsica entrante pero el nico coeficiente en la columna pivote es cero. Como la prueba del cociente mnimo usa slo coeficientes mayores que cero, no se cuenta con un cociente que proporcione una variable bsica que sale. La interpretacin de una tabla smplex como la que se muestra en la siguiente tabla es que las restricciones no impiden el crecimiento indefinido de la funcin objetivo Z, de manera que el mtodo smplex se detiene con el mensaje de que Z es no acotada. Debido a que ni siquiera la programacin lineal ha descubierto la manera de lograr ganancias infinitas, el mensaje real en problemas prcticos es: Se ha cometido un error! Tal vez el modelo est mal formulado, ya sea por haber omitido una restriccin relevante o por haberla establecido incorrectamente. De otra manera, pudo haber ocurrido un error en los clculos.

Variable Bsica Z X3
Soluciones ptimas mltiples.

Lado Z 1 0 x1 3 1 x2 5 0 x3 0 1 derecho 0 4 Cociente Sin mnimo Es ptima?

En la definicin de solucin ptima se mencion que un problema puede tener ms de una solucin ptima. Si en el ejemplo cambiamos la funcin objetivo a Z = 3x1 + 2x2 resulta que todos los puntos sobre el segmento de recta entre (2,6) y (4,3) son soluciones ptimas. Entonces todas las soluciones son un promedio ponderado de estas dos soluciones factibles en los vrtices ptimas:

(x1, x2) = w1(2, 6) + w2(4, 3),

donde los pesos w1 yw2 son nmeros que satisfacen las relaciones:

w1 + w2 = 1
Por ejemplo, w1 = 1/3 y w2 = 2/3 da:

w1 0,

w2 0

(x1, x2) = 1/3(2, 6) + 2/3(4, 3) = (2/3+8/3, 6/3+6/3) = (10/3, 4) como una solucin ptima.

En general, cualquier promedio ponderado de dos o ms soluciones (vectores) donde los pesos son no negativos y suman 1 se llama combinacin convexa de estas soluciones. Entonces, toda solucin ptima en el ejemplo es una combinacin convexa de (2, 6) y (4, 3).

Este ejemplo es representativo de problemas con soluciones ptimas mltiples.

Cualquier problema de Programacin Lineal con soluciones ptimas mltiples (y una regin factible acotada) tiene al menos dos soluciones factibles en los vrtices que son ptimas. Toda solucin ptima es una combinacin lineal de estas soluciones factibles en los vrtices ptimas. En consecuencia, en la forma aumentada, toda solucin ptima es una combinacin convexa de las soluciones bsicas factibles ptimas.

El mtodo smplex se detiene automticamente al encontrar una solucin bsica factible ptima. Sin embargo, en muchas aplicaciones de Programacin Lineal existen factores intangibles que no se incorporan al modelo y que pueden ser tiles para tomar decisiones significativas sobre las soluciones ptimas alternativas. En esos casos, tambin deben identificarse las otras soluciones ptimas. Esto requiere encontrar todas las dems soluciones bsicas factible ptimas, y entonces toda solucin ptima es una combinacin convexa de las soluciones bsicas factibles ptimas. Una vez que el mtodo smplex encuentra una solucin bsica factible ptima, se puede detectar si existen otras y, si as es, se encuentra como sigue:

Siempre que un problema tiene ms de una solucin bsica factible ptima, al menos una variable no bsica tiene coeficiente cero en la ecuacin de Z final, de manera que si aumenta su valor, el valor de la funcin Z no cambia. Por lo tanto, estas otras soluciones bsicas factibles ptimas se pueden identificar (si se desea) realizando iteraciones adicionales del mtodo smplex, en las que cada vez se elige una variable no bsica con coeficiente cero como variable bsica entrante. Si una de estas iteraciones no tiene una variable bsica que sale esto indica que la regin factible es no acotada y la variable bsica entrante puede crecer indefinidamente sin cambiar el valor de Z.