INVESTIGACION DE

OPERACIONES 1

Unidad II. El Método Simplex

Arq. Jonathan Ramiro Grijalva Herrera
Contenido
2.4. Casos especiales de
programación lineal.
Existen cuatro casos especiales de la programación lineal: los
conflictos entre las restricciones pueden provocar que no exista
solución para el problema, la región de soluciones factibles no está
acotada, una o más restricciones no afectan la región de soluciones
factibles y, finalmente, pueden existir soluciones óptimas múltiples o
alternativas para el problema.

Caso 1. Infactibilidad.
Caso 2. No acotamiento.
Caso 3. Redundancia.
Caso 4. Soluciones óptimas alternativas o múltiples.
Caso 1. Infactibilidad:Este caso se presenta cuando las restricciones
presentan conflictos entre ellas.

Caso 2. No acotamiento:Otro caso ocurre cuando el planteamiento de un

problema es tal que la utilidad o beneficio de un problema de maximización
puede crecer indefinidamente.

Caso 3. Redundancia:Una restricción redundante no afecta la región de

soluciones factibles. Al considerar un grupo de restricciones podemos
encontrar que alguna de ellas resulta más limitativa que otra.

Caso 4. Soluciones óptimas alternativas o múltiples: El cuarto caso

especial de la programación lineal ocurre cuando para diferentes
combinaciones de valores para las variables de decisión tenemos el mismo
valor en la función objetivo.
2.5. Método dual simplex.
El método simplex dual resulta ser una estrategia algoritmica eficiente
cuando luego de llevar un modelo de programación lineal a su forma
estándar, la aplicación del método simplex no es inmediata o más bien
compleja, por ejemplo, puede requerir la utilización del 
método simplex de 2 fases.

Una aplicación típica del método simplex dual es en la resolución de

problemas con una función objetivo de minimización, con restricciones
del tipo mayor o igual y donde las variables de decisión son mayores o
iguales a cero.
2.6. Relaciones primal dual.
Cada problema de programación lineal (Primal) está estrechamente
relacionado con otro problema simétrico a él, denominado problema
dual.

El dualismo es una teoría que surge como consecuencia de una

profundización en el estudio de la programación lineal porque la
distribución de los recursos y la formación de los precios son dos
aspectos del mismo problema. Entonces la doble formulación de la
programación lineal no se debe considerar como un simple ejercicio
matemático, sino que una y otra versión del problema viene a explicar
dos aspectos económicos distintos para una misma situación polémica.
Una propiedad fundamental de la relación entre el primal y el dual es
que la solución óptima de cualquiera de estos problemas proporciona
la solución óptima para el otro.
La importancia de la teoría de la dualidad se puede resumir, entre otros
aspectos, en lo siguiente:

Permite resolver problemas de programación lineal de forma más rápida y

sencilla.
Es otra vía para resolver un problema de programación lineal.
Facilita profundizar en el contenido económico del problema original
(primal).
Puede ser utilizada para resolver el caso en que se debe considerar la
introducción de una nueva variable en el primal una vez que ha de sido
obtenida la solución óptima, sin tener que resolver completamente el
problema.
Interpretación económica del problema
dual.
El problema primal y dual explica dos aspectos económicos distintos de
un mismo problema. Las variables duales nos vienen a medir el valor
de los recursos imputados a la producción, pero esta valoración tiene
unas características peculiares, está realizada en términos de costos
de oportunidad. Esto quiere decir que aquellos factores (o
restricciones) cuyas existencias no quedan agotadas en el programa
óptimo establecido, tienen un costo nulo desde el anterior punto de
vista, pues bajo el prisma exclusivo del sistema empresarial es un bien
libre al estar en exceso.
En consecuencia, la función objetivo, medirá el costo total de los
factores imputados a la producción, valor que ha de igualarse al
rendimiento total hallado en la función económica del primal para que
se produzca el equilibrio. Explicaremos con más detalle la
interpretación económica del problema dual.

Para la realización de este análisis vamos a partir del supuesto que se

tiene un problema de programación lineal donde se maximiza el valor
de la función objetivo, por ejemplo la ganancia.
Relaciones entre el método primal y el
dual.
De lo anteriormente expuesto se puede deducir que existe una
estrecha relación entre el problema primal y dual que puede
expresarse en lo siguiente:

El dual tiene la matriz D transpuesta, es decir, si suponemos que D es

de orden s x r, entonces Dt es de orden r x s. Además las variables del
primal y el dual son diferentes, ya que X será un vector de r-
componentes mientras que el vector Y tendrá s-componentes.
Los términos independientes del conjunto de las restricciones del
problema primal forman los coeficientes de la función objetivo del dual.
Los coeficientes de la función objetivo del primal forman los términos
independientes de las restricciones del dual.
Las restricciones del dual cambian su sentido al igual que el criterio
de optimización en términos de mínimo o máximo.
 A cada restricción del problema primal le corresponde una variable
dual y análogamente a cada restricción del dual le corresponde una
variable del primal.
 Si se halla el dual del problema dual, obtendremos el problema
primal.
Mecánicamente el dual es formulado partiendo del problema primo
en la siguiente forma:

1. Si el primo es un problema de Maximización, el dual es un problema

de Minimización y viceversa.
2. Los coeficientes de la función objetivo del primo se convierten en las
restricciones constantes de las ecuaciones del dual.
3. Las restricciones de las ecuaciones del primo se convierten en los
coeficientes de la función objetivo del dual.
4. Los coeficientes de las variables del dual en las ecuaciones
restrictivas son obtenidas sacando la transpuesta de la matriz de
coeficientes del primo (los arreglos de los coeficientes en las
columnas del primo se convierten en los coeficientes de las filas en el
dual y viceversa).
5. Los signos de la desigualdad son invertidos.
6. Las Xn variables del primo son remplazadas por Wm variables en el
dual. Notación matemática: Primo Contiene m ecuaciones y n
variables. Dual Contiene n ecuaciones y m variables.
 Ahora cuando nos referimos a la relación Primal-Dual, lo podemos ver
como  un concepto derivado de la teoría del Caos y su nombre hace
referencia a proverbios chinos que señalan cómo el simple aleteo de
una mariposa puede provocar grandes cambios, frases como, “el
aleteo de las alas de una mariposa se puede sentir al otro lado del
mundo” (proverbio chino) o “el aleteo de las alas de una mariposa
puede provocar un Tsunami al otro lado del mundo” así como también
“El simple aleteo de una mariposa puede cambiar el mundo”.

 De una forma menos sutil pero igual de importante sucede cuando se

hacen cambios en los modelos de programación lineal. Los cambios
que se hacen en el modelo original de programación lineal afectan a
los elementos de la tabla óptima actual, es decir, la que se tiene en el
momento, que a su vez puede afectar la optimalidad y/o factibilidad
de la solución actual.
 Es importante recordar que el cálculo de matrices es esencial para
el cálculo de tablas simplex, donde se usan principalmente las
operaciones vector renglón por matriz, matriz por vector columna y
escalar por matriz. Recordando que una matriz A de tamaño m por n
es un arreglo rectangular de m renglones y n columnas.
2.7. Análisis de sensibilidad e
interpretación de resultados.
El análisis de sensibilidad busca determinar los efectos que se
producen en la solución óptima al realizar cambios en cualquiera de
los parámetros del modelo de programación lineal planteado
inicialmente. Entre los cambios que se investigan están: los cambios en
los coeficientes de las variables en la función objetivo tanto para
variables básicas como para las variables no básicas, cambios en los
recursos disponibles de las restricciones, variación de los coeficientes
de utilización en las restricciones e introducción de una
nueva restricción.
El objetivo principal del análisis de sensibilidad es identificar el intervalo
permisible de variación en los cuales las variables o parámetros
pueden fluctuar sin que cambie la solución optima.  Sin
embargo, así mismo se identifica aquellos parámetros sensibles, es
decir, los parámetros cuyos valores no pueden cambiar sin que cambie
la solución óptima.  Los investigadores de operaciones tienden a
prestar bastante atención a aquellos parámetros con holguras
reducidas en cuanto a los cambios que pueden presentar, de forma
que se vigile su comportamiento para realizar los ajustes
adecuados según corresponda y evitar que estas fluctuaciones pueden
desembocar en una solución no factible.
A modo general, cuando se realiza un análisis de sensibilidad a
una solución óptima se debe verificar cada parámetro de forma
individual, dígase los coeficientes de la función objetivo y los limites de
cada una de las restricciones. En ese sentido se plantea el siguiente
procedimiento:
1. Revisión del modelo: se realizan los cambios que se desean investigar
en el modelo.

2. Revisión de la tabla final Símplex: se aplica el criterio adecuado para

determinar los cambios que resultan en la tabla final Símplex.

3. Conversión a la forma apropiada de eliminación Gauss: se convierta la

tabla en la forma apropiada para identificar y evaluar
la solución básica actual, para lo cual se aplica
la metodología de eliminación Gauss si es necesario. 

4. Prueba de factibilidad: se prueba la factibilidad de

esta solución mediante la verificación de que todas las
variables básicas de la columna del lado derecho aun tengan valores
no negativos. 
5. Prueba de optimalidad: se verifica si esta solución es optima y
factible, mediante la comprobación de que todos lo coeficientes de
las variables no básicas del reglón Z permanecen no negativos. 

6. Reoptimización: si esta solución no pasa una de las pruebas

indicadas en los puntos 4 y 5 anteriores, se procede a buscar la
nueva solución optima a partir de la tabla actual como
tabla Símplex inicial, luego de aplicadas las conversiones de lugar,
ya sea con el método Símplex o el Símplex Dual. 
2.8. Uso de software.
Lista de algunos software existentes en el mercado para solucion
de problemas por medio de los metos de la investigacion de
operaciones:

 Linear Programming (LP) e Integer Linear Programming (ILP): Para

resolver los problemas de LP, este Programa usa el método simplex
o el método gráfico y para los problemas de ILP usa el
procedimiento branch-and-bound.

Linear Goal Programming (GP) e Integer Linear Goal Programming
(IGP): Este programa, para resolver los problemas de GP, usa el
método simplex modificado o el método gráfico y para los problemas
de IGP usa el procedimiento branch-and-bound.

Quadratic Programming (QP) e Integer Quadratic Programming
(IQP): Este programa usa el método simplex modificado o el método
gráfico, para resolver los problemas de QP y el procedimiento
branch-and-bound para los problemas de IQP.
 Nonlinear Programming (NLP): Este programa resuelve los
problemas no lineales no forzados con el método de búsqueda y los
problemas no lineales forzados con el método de la función de
castigo.

Network Modeling (NET): Este módulo, resuelve los problemas de
red, inclusive, por ejemplo, flujo de red (transbordo), transporte,
asignación, caminos cortos, máximo flujo, cruces mínimos y
problemas de viajes de vendedores.

Dynamic Programming (DP): Resuelve 3 tipos populares de
problemas dinámicos: Diligencia, mochila y problemas de
planeación de producción e inventarios.