Está en la página 1de 34

MTODO SIMPLEX

Investigacin Operativa I
Forma Cannica
) ( 0
) (
: .
) (
c x
b b X A
a s
a X C Z
Opt
>
s
=



(a) Funcin lineal llamada funcin objetivo,
donde el concepto de optimizacin puede ser
maximizar o minimizar

(b) Restricciones de desigualdad

(c) Restricciones de no negatividad
A

= Matriz de coeficientes tecnolgicos de las variables en el sistema de ecuaciones


Notacin:
= Vector solucin X

= Lado derecho de la restriccin i. Corresponde a la cantidad de recurso disponible


b

= Vector de costo o utilidades .Corresponde a la contribucin a Z por unidad de


actividad
C

El mtodo simplex comienza con la siguiente


estructura:
Reglas de la Programacin Lineal:

Regla N1:
2 1
2 1
8 3
min
8 3
max
x x Z
x x Z
+ =
=

a.- maximizar X C es equivalente a minimizar X C .
b.- minimizar X C es equivalente a maximizar X C .
Reglas de la Programacin Lineal:

Regla N2:
20 8 3
20 8 3
2 1
2 1
> +

s
x x
x x
a.- la desigualdad b X A s es equivalente a la desigualdad b X A > .
b.- la desigualdad
b X A >
es equivalente a la desigualdad
b X A s
.
Reglas de la Programacin Lineal:

Regla N3:
Toda igualdad de la forma b X A = , se puede descomponer como la interseccin de
dos desigualdades b X A s y b X A > .
7 3 10
7 3 10
7 3 10
2 1
2 1
2 1
s +
> +

= +
x x
x x
x x
Reglas de la Programacin Lineal:

Regla N4:
a.- Toda desigualdad de la forma b X A s , se puede convertir en igualdad, mediante
la adicin del vector columna Y de m componentes no negativos, llamada variable de
holgura
1
2
1

(
(
(
(
(
(

=
m
m
y
y
y
Y

>
1
0
0
0

(
(
(
(
(
(

m

0 ,
0 ,
1 2 7
5 10
0 ,
1 2 7
5 10
2 1
2 1
2 2 1
1 2 1
2 1
2 1
2 1
>
>
= + +
= + +

>
s +
s +
y y
x x
y x x
y x x
x x
x x
x x
Reglas de la Programacin Lineal:

Regla N4:
b.- Toda desigualdad de la forma b X A > , se puede convertir en igualdad mediante
la resta del vector columna H de m componentes no negativos, llamada variable
superfluas o de exceso.

1
2
1

(
(
(
(
(
(

=
m
m
h
h
h
H

>
1
0
0
0

(
(
(
(
(
(

m

Reglas de la Programacin Lineal:

Regla N5:

Una variable no restringida, la cual toma toda clase de valores: negativos, ceros
y positivos, se puede escribir como la diferencia de dos variables no negativas.
0
0
0
restrigida no variable :
1 3 2
1 3 2
1 3 2
3 2 1
1
< <
> >
= =

=
x x x
x x x
x x x
x x x
x
a.- Regin de Soluciones Factibles (RSF): es el conjunto de valores, en el
cual se encuentran todas las soluciones factibles.

b.- Solucin del Problema: se llama solucin a cualquier especificacin de
valores para las variables de decisin (X1, X2,, Xn) sin importar si es una
solucin deseable o, incluso, admisible.

c.- Solucin Factible: es el valor de las variables de decisin (X1, X2 ,, Xn)
que satisface todas las restricciones.

d.- Solucin Bsica: es una solucin que est en el vrtice, la cual puede ser
factible o no.

e.- Solucin Bsica Factible: es una solucin factible que se encuentra en un
vrtice.

f.- Solucin ptima: es una solucin bsica factible que tiene el valor ms
favorable de la funcin objetivo.
Terminologa Bsica:
La solucin bsica factible (S.B.F) est en los vrtices ABC.

Por lo tanto, una solucin ptima a un problema de programacin lineal (PPL)
estar contenida en el conjunto de soluciones bsicas factibles.

Existe un nmero finito de S.B.F. y, por lo tanto, tericamente es posible concebir
una solucin ptima, entonces para obtener la solucin habr que ver en teora
qu valor tiene la funcin objetivo y seleccionar la mejor. Esto puede convertirse
en una tarea bastante ardua, si se tiene en cuenta que una regin factible con n
incgnitas y m restricciones puede tener un nmero mximo de:
puntos extremos
Por Ejemplo:
C
A B
)! ( !
!
m n m
n
m
n

=
|
|
.
|

\
|
Dnde n > m, para que exista un espacio de soluciones factibles mayor que un
slo punto, es decir, que las restricciones sean linealmente independientes (l.i.)

Por ejemplo: Si n = 50 y m = 30 = 4.7129 * 1013 puntos extremos a analizar.

Las tcnicas ms eficientes aplicadas para resolver conjunto de ecuaciones
simultneas son los procedimientos iterativos. El mtodo simplex consiste en
examinar las soluciones bsicas factibles. En cada iteracin, el mtodo simplex
pasa de una solucin factible inicial a otra solucin factible y, finalmente, en un
nmero finito de pasos (iteraciones) llega a una solucin bsica factible
ptima. Como la funcin objetivo (Z) debe ser mejorada (o por lo menos, no
empeorada) en cada paso, el nmero de soluciones bsicas factibles que debe
ser examinado antes de encontrar una solucin ptima es mucho ms reducido
que el nmero total de soluciones bsicas factibles que existe.
)! ( !
!
m n m
n
m
n

=
|
|
.
|

\
|
Teora del Problema Del Programacin Lineal


0
: .

>
s
=
x
b X A
a s
X C Z
Max





La estructura ms conveniente para la manipulacin algebraica y la identificacin de
las soluciones factibles en un vrtice es lo que se llama Forma Aumentada del
Problema, el cual consiste en que el problema original cannico (contiene slo las
variables decisionales), se aumente el nmero de variables, especficamente, de
holgura necesarias para aplicar el mtodo simplex.


Para obtener la forma aumentada del problema, se introduce el vector columna de
las variables de holgura.
(
(
(
(
(
(

=
+
+
+
m n
n
n
s
X
X
X
X
2
1


De manera que las restricciones se conviertan en
| | 0 ; , >
(

=
(

s s
X
X
b
X
X
I A

Donde:
I

: matriz identidad, de orden ( m m )


0

: vector nulo que ahora tiene n+m elementos



Obtencin de una solucin bsica factible:
Una de las caractersticas claves del mtodo simplex tiene que ver con la
forma en que se obtiene cada nueva SBF, despus de identificar sus
variables bsicas y no bsicas iniciales.

(N Variables N Ecuaciones) = N Variables NO Bsicas Iniciales
(Problema Aumentado)

Una vez determinadas las variables bsicas, es posible denotar las
ecuaciones como:


Donde:






b X B
B
=

1
2
1

(
(
(
(
(
(

=
m
Bm
B
B
B
X
X
X
X

= vector de variables bsicas el cual se obtiene de eliminar las


variables no bsicas de
(

s
x
x
Obtencin de una solucin bsica factible:
Donde:






B = Es la matriz de base, la cual se obtiene al eliminar las columnas
correspondientes a los coeficientes de las variables no bsicas de








El mtodo Simplex introduce solo variables bsicas, tales que B sea no
singular, de manera que B
-1
siempre exista, es decir:


| | I A ,
m m
mm m m
m
m
B B B
B B B
B B B
B

(
(
(
(
(
(

2 1
2 22 21
1 12 11
b B IX
b B BX B
B
B
1
1 1


=
=
b B X
B
1
=
Obtencin de una solucin bsica factible:
Por lo tanto, para obtener el valor ptimo de la funcin objetivo debemos
reemplazar los valores de en la funcin objetivo:

Sea el vector cuyos elementos son los coeficientes de la funcin objetivo,
incluyendo los ceros para las variables de holgura, que corresponden a los
elementos de . El valor de la funcin objetivo para esta solucin bsica es
entonces:







B
X

B
C

B
X

b B C X C Z
B B B
1
= =

Forma matricial del mtodo simplex:







Cuando se inicia el mtodo simplex, la forma matricial del conjunto de
ecuaciones es el siguiente:







En cada Iteracin del mtodo, se deben multiplicar ambos miembros
de la ecuacin por:





(

=
(
(
(

b
X
X
Z
S
0
I A 0
0 C - 1
(
(


1 -
1
B
B 0
C 1 B
Forma matricial del mtodo simplex:
(
(

=
(

(
(

=
(


b B
b B C B
X
Z
B
B


b
0
*
B 0
C 1
1
1
1 -
1
B
(
(


=
(


1 - 1 -
B
1
B
1 -
1 -
B
B B 0
1 C C 1
1 0
0 1

B 0
B C 1
A
B C A B
A
C
Z

Forma matricial del mtodo simplex:
Finalmente, en cada iteracin, se deben obtener todas las operaciones
matriciales indicadas en la tabla, y en cada una de ellas el valor de
Z = Cb x Xb ir mejorando de acuerdo al objetivo de la funcin que da
origen al problema.
Pasos del mtodo simplex:
Paso 1:

Dado cualquier PL transfrmese por medio de las reglas de equivalencia
1,2,3,5 al PL cannico.








Paso 2:
Rescribir la F.O. de la siguiente manera:
0
: . .
:
>
s
=
x
b AX
a s
CX Z Max
0 = CX Z
Pasos del mtodo simplex:
Paso 3:

Aplicar la regla de equivalencia 4, para convertir todas las desigualdades
(variables de holgura) en igualdades.

Con estos tres primeros pasos, la forma cannica queda convertida en:








Donde Y: vector de variables de holgura.


0 Y
0 X
b Y AX
s.a.
0 CX - Z :
>
>
= +
= Max
0
: . .
:
>
s
=
x
b AX
a s
CX Z Max
Pasos del mtodo simplex:
El PPL de manera de un sistema de ecuaciones:
holgura de variables 0 , 0
decision de variables 0 0 x ; 0 x
0 * 0 * 0 * 0
2 1
2 1
2 2 1 1
2 2 2 22 1 21
1 1 1 2 12 1 11
2 1 2 2 1 1
> >
> > >
= + + + +
= + + +
= + + + +
=
+ + +
+
+
+
+ + +
m n n n
n
m m n n mn m m
n
n n n
m n n n n n
X x X
x
b x x a x a x a
b x x a x a
b x x a x a x a
x x x x C x C x C Z




0 Y
0 X
b Y AX
s.a.
0 CX - Z :
>
>
= +
= Max
Pasos del mtodo simplex:
Paso 4:

Construir la tabla con los coeficientes del programa, como se muestra a
continuacin:


Paso 5:

Seleccionar como vector de entrada, aquel cuyo costo reducido (utilidad neta o
precio sombra) sea el ms negativo (fila cero), si no hay ningn candidato de
entrada, entonces la solucin es ptima; en caso de empate, este se rompe
arbitrariamente.

Paso 6:
Una vez seleccionada la columna que entrar a la nueva base, se selecciona
el vector de salida de la base actual, utilizando la regla del cuociente
mnimo:




En el caso que todas las del denominador sean negativos, se tiene una
solucin no acotada.
Pasos del mtodo simplex:
Br
a

> = 0 / min
kj
kj
Bk
k
rj
Br
Y
Y
X
Y
X
j
a
kj
Y
Paso 7:

Pasos del mtodo simplex:
La interseccin en el Tableau de la columna que entra y la fila que sale, determina el
elemento pivote
rj
Y , con el objetivo de convertir a la columna
j
a en el vector unitario,
es decir, ceros en toda la columna y un uno en la r-ava componente (el mismo pivote
rj
Y ). Regrese al paso 5.
Nota:
j j
c z nos indica la utilidad ganada al introducir una unidad.
Ejemplo:
0 ; 0
10 2 5X
15 5 3
. .
3000 5000 :
2 1
2 1
2 1
2 1
> >
s +
s +
+ =
X X
X
X X
a s
X X Z Max

Resolucin:
1: Mtodo Grfico
X
1
X
2
R 1
R 2
RSF
R 3
R 3
(x
1
*,x
2
*)=(20/19;45/19)
Z*= $ 235.000/19


2: Mtodo Simplex

Paso 2 y 3
0 ; 0
0 ; 0
10 2 5X
15 5 3
. .
0 3000 5000 :
4 3
2 1
4 2 1
3 2 1
2 1
> >
> >
= + +
= + +
=
X X
X X
X X
X X X
a s
X X Z Max


Paso 4: Tableau:
Tableau 0:
Z X
1
X
2
X
3
X
4

1 -5.000 -3.000 0 0 0
X
3
0 3 5 1 0 15
X
4
0 5 2 0 1 10

Paso 5: El menor valor fila
Paso 6: El menor valor columna X
3
=15/3=5; X
4
=10/5=2
Paso 7: Pivote
Tableau 1:
Z X
1
X
2
X
3
X
4

1 0 -1.000 0 1.000 10.000
X
3
0 0 19/5 1 -3/5 9
X
1
0 1 2/5 0 1/5 2


Tableau 2:
z x
1
x
2
x
3
x
4
Z*
1 0 0 5.000/19 16.000/19 235.000/19
x
2
0 0 1 5/19 -3/19 45/19
x
1
0 1 0 -2/19 5/19 20/19

La solucin bsica factible ptima es:
0 0
(u)
19
45
(u)
19
20
4 3
2 1
= =
= =
X X
X X


) (
19
235000
$ um Z =
Interpretacin Econmica

El mtodo simplex comienza con una produccin cero para ambos productos y una
solucin bsica factible inicial, pero que no es muy rentable, entonces se introduce el
producto 1 a la solucin, debido a que tena la contribucin ms grande sobre la
utilidad ($5.000 um). As, es un mtodo de pasos ascendentes y que se mueve en la
direccin de la utilidad neta ms grande (gradiente de la funcin objetivo) y que
mejora en cada estado.

En este caso, se introdujo el producto 1 tanto como fue posible hasta alcanzar la
restriccin n 2, que fue la ms importante y limit la cantidad de
1
X a dos unidades,
es as que al producir estas dos unidades de
1
X , la utilidad se increment de 0 a
$10.000 u.m.
Luego se realiza un clculo si se puede mejorar an ms la utilidad introduciendo
algo del segundo producto. Este clculo requiri una sustitucin entre el producto 1 y
el producto 2. Conforme se incrementa
2
X , se produce menos del producto 1, debido
a que las restricciones limitan las cantidades disponibles de recursos.

El efecto neto sobre la utilidad de incrementar el producto 2 y disminuir el producto 1
se representa por el clculo de
2 2
c z , el cual indic que la utilidad se podra mejorar
en $1.000 um por unidad de
2
X producida. En seguida, se encontr que un mximo
de 2,37 unidades de
2
X deberan ser introducidas a la solucin, debido a la
combinacin de las restricciones, lo cual aument de 0 a 2,37 unidades de
2
X y
disminuyo de 2 a 1,05 unidades de
1
X . El efecto neto de estos cambios en
1
X y
2
X
fue una utilidad de $12.368,4. En este punto, el mtodo simplex determin que no
era posible mejorar ms la utilidad.
Ejemplo:

0 ; 0
0 ; 0
48 4 2X
60 2 4
. .
0 6 8 :

0 ; 0
48 4 2X
60 2 4
. .
6 8 :
4 3
2 1
4 2 1
3 2 1
2 1
2 1
2 1
2 1
2 1
> >
> >
= + +
= + +
=

> >
s +
s +
+ =
X X
X X
X X
X X X
a s
X X Z Max
X X
X
X X
a s
X X Z Max


Tableau 0:
Z X
1
X
2
X
3
X
4

1 -8 -6 0 0 0
X
3
0 4 2 1 0 60
X
4
0 2 4 0 1 48

Paso 5: El menor valor fila
Paso 6: El menor valor columna X
3
=60/4=15; X
4
=48/2=24
Paso 7: Pivote
Tableau 1:
Z X
1
X
2
X
3
X
4

1 0 -2 2 0 120
X
1
0 1 1/2 1/4 0 15
X
4
0 0 3 3 -1/2 1 18

Tableau 2:
Z X
1
X
2
X
3
X
4
Z
*

1 0 0 5/3 2/3 132
X
1
0 1 0 1/3 -1/6 12
X
2
0 0 1 -1/6 1/3 6

La solucin es:
) . ( 132 $ ) ( 6 ) ( 12
2 1
m u Z u x u x = = =

Ejemplo:
0 ,
18 2 3
6
4
. .
5 3 :
2 1
2 1
2
1
2 1
>
> +
s
s
+ =
x x
x x
x
x
a s
x x Z Min



El PPL de manera cannico es:


0 , , , ,
18
6
4
5 2 3
4
3
. .
0 5 3 :
0 ,
18 2 3
6
4
. .
5 3 :
5 4 3 2 1
2 1
2
1
2 1
2 1
2 1
2
1
2 1
>
= +
= +
= +
= +

>
s
s
s
= =
x x x x x
x x x
x x
x x
a s
x x U Max
x x
x x
x
x
a s
x x Z U Max



Tableau 0:
U X
1
X
2
X
3
X
4
X
5
Z
0

1 -3 5 0 0 0 0
X
3
0 1 0 1 0 0 4
X
4
0 0 1 0 1 0 6
X
5
0 -3 -2 0 0 1 -18

En este caso, al evaluar el primer tableau, tenemos que la tercera restriccin tiene
asignado un recurso negativo (-18), por ende, el valor de x
5
, siendo una variable de
holguras, tiene una valor negativo asignado inicialmente, violando la restriccin
general de no negatividad. Debido a lo anterior, es que surgen dos mtodos,
basados en el mtodo simplex para solucionar este tipo de problemas (conocidos de
penalizacin sobre la funcin objetivo), los cuales son: Mtodo de la Gran M y el
Mtodo de Doble Fase.