Vous êtes sur la page 1sur 72

EL METODO SIMPLEX

INVESTIGACIN
Haga
clic para modificar
DE OPERACIONES
el estilo de
I subttulo del
patrn
Ing.
Csar Canelo Sotelo

5/25/12

EL MTODO SIMPLEX

El algoritmo del simplex provee una


metodologa rpida y efectiva para
resolver problemas de programacin
lineal.
El mtodo simplex es un mtodo que llega
a la solucin ptima
a travs de
iteraciones sucesivas.
Comienza una solucin bsica factible
inicial y sucesivamente obtiene soluciones
que ofrecen mejores valores para la
5/25/12
funcin objetivo.

CONVERSIN DE UN PL A
LA FORMA ESTNDAR

Antes de poder utilizar el algoritmo


simplex para resolver un PL, ste se debe
convertir en un problema equivalente en el
cual
todas
las
restricciones
son
ecuaciones y todas las variables son no
negativas. Se dice que un PL en esta
forma est en la forma estndar.
Para convertir un PL en la forma estndar,
cada restriccin de desigualdad se debe
reemplazar por una restriccin de
5/25/12
igualdad.

CONVERSIN DE UN PL A LA FORMA ESTNDAR

Por ejemplo, se tiene el siguiente PL:


Max Z = 4x1 + 3x2
s. a. :
x1 + x2 <= 40
2x1 + x2 <= 60
x1, x2 >= 0
Para convertir en restricciones de
igualdad, se define para cada restriccin
<= una variable de holgura si (variable de
5/25/12
holgura
para la i-sima restriccin), que es

CONVERSIN DE UN PL A LA FORMA ESTNDAR

As se convierte en el siguiente PL:


Max Z = 4x1 + 3x2
s. a. :
x1 + x2 + s1 = 40
2x1 + x2 + s2 = 60
x1, x2, s1, s2 >= 0
Obsrvese que el PL est en la forma
estndar.
5/25/12

CONVERSIN DE UN PL A LA FORMA ESTNDAR

En resumen, si la i-sima restriccin de


un PL es una restriccin <=, entonces se
convierte en una restriccin de igualdad al
sumar una variable de holgura si a la isima restriccin y aadir la restriccin de
signo si >= 0.

5/25/12

CONVERSIN DE UN PL A LA FORMA ESTNDAR

Para ilustrar cmo una restriccin >= se


puede convertir en una restriccin de
igualdad, consideramos el siguiente PL:
Min Z = 50x1 + 20x2 + 30x3 + 80x4
s. a. :
400x1 + 200x2 + 150x3 + 500x4
>= 500
3x1 + 2x2
>=
5/25/12

6
2x2 + 2x2 + 4x3 + 4x4

CONVERSIN DE UN PL A
LA FORMA ESTNDAR
El PL resultante en la forma estndar es:
Min Z = 50x1 + 20x2 + 30x3 + 80x4
s. a. :
400x1 + 200x2 + 150x3 + 500x4 - e1
= 500
=

3x1 + 2x2

- e2

2x1 + 2x2 + 4x3 + 4x4

- e3

=5/25/12
10

CONVERSIN DE UN PL A LA FORMA ESTNDAR

En resumen, si la i-sima restriccin de


un PL es una restriccin >=, entonces se
puede convertir en una restriccin de
igualdad al restar una variable de exceso ei
en la i-sima restriccin
y aadir
la
restriccin de signo ei >= 0.

5/25/12

SOLUCIN FACTIBLE BSICA


Suponga que se ha convertido un PL con
m restricciones en la forma estndar. Si se
supone que la forma estndar contiene n
variables (denominadas por conveniencia
x1, x2, , xn), la forma estndar de tal PL
es:
Max o Min Z = c1x1 + c2x2 + + cnxn
s. a. :
a11x1 + a12x2 + + a1nxn = b1
5/25/12

a21x1 + a22x2 + + a2nxn = b2

VARIABLES BSICAS Y VARIABLES NO


BSICAS

Considere un sistema Ax=b de m


ecuaciones lineal y n variables (suponga
n>=m).
DEFINICIN
Una solucin bsica para Ax=b se
obtiene haciendo n-m variables iguales a
cero, y luego se determinan los valores de
las m variables restantes. As se asume que
al
hacer las n-m variables iguales a cero se
5/25/12

VARIABLES BSICAS Y VARIABLES NO


BSICAS

Con el objeto de hallar una solucin


bsica para AX=b, primero se escoge un
conjunto de n-m variables (las variables
no bsicas, VNB) y se iguala cada una de
las variables a cero. Luego se encuentran
los valores de las n-(n-m)=m variables
restantes (las variables bsicas, VB) que
satisfacen a AX=b.
Es evidente que las elecciones distintas
de variables no bsicas dan como
resultado
diferentes
soluciones
bsicas.
5/25/12

VARIABLES BSICAS Y VARIABLES NO BSICAS

Para ilustrar, se tiene el siguiente sistema


de dos ecuaciones y tres variables:
x1 + x2 = 3
- x2 + x3 = -1

Se empieza por escoger un conjunto de 32=1 (3 variables, 2 ecuaciones) variables


no bsicas. Por ejemplo, si VNB={x3},
entonces, VB={x1, x2}. Los valores de las
variables bsicas se obtienen haciendo x3
=0 y resolviendo
5/25/12

x1 + x2 = 3

SOLUCIONES FACTIBLES
DEFINICIN
Cualquier solucin bsica de un PL en la
cual todas las variables son no negativas es
una solucin bsica factible (SBF).
Por tanto, para el PL del ejemplo, las
soluciones bsicas:
x1=2, x2=1, x3 =0 y x1=0, x2=3 y x3
=2
son soluciones bsicas factibles.
Pero la solucin bsica:

5/25/12

SOLUCIONES FACTIBLES
TEOREMA
Un punto en la regin factible de un PL es
un punto extremo si y slo si es una
solucin bsica factible para un PL.
Sea S la regin factible de un PL en la
forma estndar. Un punto P es un punto
extremo de S si para todos los segmentos
de recta que contienen a P y estn
contenidos por completo en S, P es un
punto terminal. Esto da como resultado que
los
puntos extremos de la regin factible de
5/25/12

SOLUCIONES FACTIBLES
Ejemplo para ilustrar la
correspondencia entre puntos extremos y
soluciones bsicas factibles sealadas en el
Teorema 1.
Max z = 4x1 + 3x2
s. a. :
x1 + x2 <= 40
2x1 + x2 <= 60
x1, x2 >= 0
Luego de agregar las variables de

5/25/12

X
2
D

SOLUCIONES
FACTIBLES

B
E

Regi
n
factibl
e

A
C

Puntos extremos de la regin factible:


B = (0, 40), C = (30, 0), E = (20, 20) y F = (0,0)

5/25/12

X
1

SOLUCIONES FACTIBLES
Correspondencia entre soluciones factibles y vrtices (puntos
extremos).
Variables Variables no Soluciones factibles Correspondencia a vrtice
bsicas
bsicas
bsicas
(punto extremo)
x1, x2

s1, s2

s1=s2=0, x1=x2=20

x1, s1

x2, s2

x2=s2=0, x1=30,
s1=10

x1, s2

x2, s1

x2=s1=0, x1=40, s2=20

No es SBF porque s2 < 0


A

x2, s1

x1, s2

x1=s2=0, s1=-20,
x2=60

No es SBF porque s1 < 0


D

x2, s2

x1, s1

x1=s1=0, x2=40,
s2=20

s1, s2

x1, x2

x1=x2=0, s1=40,
s2=60

5/25/12

X
2
(0,6
0)

(0,40)

F
(0,0
)

SOLUCIONES
FACTIBLES
D
B
E
(20,2
Regi 0)
n
factibl C
e
(30,
0)

A
(40,
0)

X
1

Soluciones en los puntos extremos de la regin factible.

5/25/12

SOLUCIONES BASICAS FACTIBLES


ADYACENTES
DEFINICIN
Para cualquier PL con m restricciones, se
dice que dos soluciones bsicas factibles
son adyacentes si sus conjuntos de
variables bsicas tienen
m-1 variables
bsicas en comn.
En el ejemplo, dos soluciones bsicas
factibles sern adyacentes si tienen 2-1=1
variable bsica en comn. Por tanto la SBF
en el punto E de la fig. es adyacente a la
SBF
en el punto C. De manera intuitiva
5/25/12

SOLUCIONES BSICAS FACTIBLES ADYACENTES

Pasos que sigue el algoritmo del simplex


para resolver un PL de maximizacin:

1)

Se encuentra una SBF para el PL, a esta


SBF se le llama SBF inicial. En general,
la SBF ms reciente se denomina SBF
actual, por lo que al principio del
problema la SBF inicial es la SBF inicial.

Se determina si la SBF actual es una


solucin ptima para el PL. Si no es as,
entonces se determina una SBF
5/25/12

2)

EL MTODO SIMPLEX EN FORMA


TABULAR
La forma tabular del mtodo simplex
registra slo la informacin esencial, en
forma muy compacta:
1)

2)

3)

Los coeficientes de las variables en la


funcin objetivo (Cj).
Las constantes del lado derecho de las
restricciones (bi).
La variable bsica correspondiente en
cada ecuacin.

Una
matriz
de
coeficientes
de
5/25/12
transformacin A compuesta de dos sub-

4)

EL MODELO PL EN FORMA ESTANDAR


Max Z = C1X1 + C2X2 + + CnXn + Cn+1Xn+1++
Cn+mXn+m

s. a. :
a11X1 + a12X2 + . . . + a1nXn + Xn+1

a21X1 + a22X2 + . . . + a2nXn

b1
b2

...

...

...

...

am1X1 + am2X2 + . . . + amnXn

bm

5/25/12

+ Xn+2
...

+ Xn+m =

EL TABLERO SIMPLEX
Ck

Cj

C1

C2

...

Cn

Cn+1

...

Cn+m

Xk

X1

X2

...

Xn

Xn+1

...

Xn+m

a12
a22
...
...
...
am2

...
...
...
...
...
...

a1n
a2n
...
...
...
amn

1
0
...
...
...
0

...
...
...
...
...
0

0
0
...
...
...
1

Z2

...

Zn

Zn+1

...

Zn+m

Cn-Zn

Cn+1
Zn+1

...

Cn+m
Zn+m

Cn+1 Xn+1
Cn+2 Xn+2
...
...
...
...
...
...
Cn+m Xn+m

Zj
Cj - Zj

5/25/12

b1 a12
b2 a21
... ...
... ...
... ...
bm am1

Z1

C1-Z1 C2-Z2 . . .

DEFINICIONES

Todo modelo de programacin lineal,


luego de habrsele agregado las variables
de holgura y/o exceso, se convierte en un
sistema de ecuaciones con n variables y
m ecuaciones, siendo n>m , en donde las
m restricciones del modelo dan origen a
las m ecuaciones del sistema.
Una solucin de tal sistema es un vector
n-dimensional que satisface la relacin
Ax= b.
5/25/12

DEFINICIONES

Solucin bsica.- Es aquella solucin en


la que (nm) variables se han igualado a
cero y los valores de las m variables
restantes se han determinado resolviendo
las m ecuaciones con m variables. Una
solucin de este tipo puede tener como
mximo m componentes no nulos.
Solucin bsica no degenerada.- Es
una
solucin
bsica
que
tiene
exactamente m componentes no nulos.
Solucin bsica degenerada.- Es una

5/25/12

PROPIEDADES DE LAS SOLUCIONES

El problema de programacin lineal


consiste en hallar el vector columna X que
es solucin de:
a11x1 + a12x2 + . . . + a1nxn =
b1
a21x1 + a22x2 + . . . + a2nxn
= b2
(1)
...

...

...

...

..

am1x1 + am2x2 + . . . + amnxn =


5/25/12
bm

EL MTODO SIMPLEX
En las ecuaciones (1), se supone que:

Algunas de las restricciones pueden haber


sido desigualdades antes de que les
fueran sumadas o restadas nuevas
variables para convertirlas en ecuaciones.
Todas las bi >= 0, lo cual puede requerir
que algunas de las ecuaciones deba
multiplicarse por 1.
n > m, y A es de orden mxn.
La funcin (2) es la funcin objetivo, se
5/25/12
observar que se ha definido el problema

EL MTODO SIMPLEX
TEOREMA 1
Dado un problema de programacin
lineal, en el cual no puedan existir
soluciones bsicas factibles degeneradas y
en el que se ha formado una solucin
bsica factible en funcin de las m primeras
variables, puede formarse una nueva
solucin bsica factible introduciendo la
variable xk, tal que k > m, si al menos un
elemento de la k-sima columna de la
matriz reducida es positivo.
5/25/12

EL TABLERO SIMPLEX

Ck

Cj

C1

C2

...

Cn

Cn+1

...

Cn+m

Xk

X1

X2

...

Xn

Xn+1

...

Xn+m

a12
a22
...
...
...
am2

...
...
...
...
...
...

a1n
a2n
...
...
...
amn

1
0
...
...
...
0

...
...
...
...
...
0

0
0
...
...
...
1

Z2

...

Zn

Zn+1

...

Zn+m

Cn-Zn

Cn+1
Zn+1

...

Cn+m
Zn+m

Cn+1 Xn+1
Cn+2 Xn+2
...
...
...
...
...
...
Cn+m Xn+m

Zj
Cj - Zj

5/25/12

b1 a12
b2 a21
... ...
... ...
... ...
bm am1

Z1

C1-Z1 C2-Z2 . . .

LA SOLUCIN PTIMA
Cada solucin tiene un valor y la funcin
objetivo controla cul de las muchas
soluciones es la ptima. Si aplicamos el
teorema
1
podemos,
efectivamente,
encontrar dicha solucin ptima.
TEOREMA 2
Dado un problema de programacin
lineal en el cual son imposibles las
soluciones bsicas factibles degeneradas,
5/25/12
en
el que la solucin ptima es nica y

ELECCIN DE LA VARIABLE BSICA QUE SALE

Si se sabe de qu tipo es la solucin


ptima y cmo generar una solucin de tal
ndole a partir de otra, se necesita una regla
que permita decidir qu variable se debe
introducir en la nueva solucin.
TEOREMA 3
Supongamos que tenemos un problema
de programacin lineal y una solucin
bsica factible del mismo. Si existe una
variable Xk para la cual se puede realizar el
clculo de mediante su propia regla, se
5/25/12 generar otra solucin que aumente el
puede

Por el teorema 1, tenemos que:


= min bi / aik ,

para

todo aik >0


Y por el teorema 2 tenemos que:
z = z + (ck zk)
Puesto que estamos tratando de
encontrar la solucin mxima, es lgico
5/25/12 que Z > Z . Ya que Z depende de la
exigir

EL ALGORITMO DEL SIMPLEX


El algoritmo del Simplex presupone que
ya se ha hallado una solucin bsica
factible en el momento de iniciar las
iteraciones. El procedimiento detallado para
hallar la solucin ptima del problema
general de programacin lineal de
maximizacin es el siguiente:

1.

Calculamos Cj Zj para cada variable


que no est en la presente solucin.

5/25/12

a) Si para al menos un j, Cj Zj es

EL ALGORITMO DEL SIMPLEX


2. Si estamos en el caso 1(a), identificamos
la variable que da el mayor Cj Zj como Xk
( es la columna pivote). Llamamos Xr a la
variable que se reducira a cero al aplicar la
regla del (es la fila pivote). El elemento
ark se llama elemento pivote.
Dividimos la r-sima fila por
ark
(elemento pivote), para reducir a 1 el
correspondiente elemento de ark en la
tabla siguiente. Efectuamos luego las
5/25/12
operaciones de fila que reducirn a cero

3.

EL ALGORITMO DEL SIMPLEX

La teora del mtodo simplex asegura que


la solucin hallada en cada paso tiene un
valor mayor, o al menos igual, que el de
la solucin anterior. Puesto que el nmero
de soluciones bsicas del sistema de
ecuaciones es finito, el algoritmo debe
converger hacia la solucin ptima en un
nmero finito de iteraciones.
La experiencia ha demostrado que el
nmero de iteraciones que deben
efectuarse en la mayora de los problemas
que se encuentran en la prctica, oscila
5/25/12

UN PROBLEMA DE MAXIMIZACIN
El tipo ms sencillo de problema con
el que se trabaja en programacin
lineal es el de maximizacin, en el que
todas las restricciones son de tipo
menor o igual que.

5/25/12

PROBLEMA
Una
empresa
cuenta
con
1000
toneladas del mineral b1, 2000 toneladas
del mineral b2 y 500 toneladas del b3. A
partir de dichos minerales pueden
extraerse y fundirse los
productos
metlicos 1, 2 y 3. Los requerimientos de
fabricacin sobre los productos son los
siguientes:
Una tonelada del producto 1 requiere 5
toneladas de mineral b1, 10 de b2 y 10 de
b3. Una tonelada del producto 2 requiere 5
toneladas de mineral b1, 8 de b2 y 5 de
5/25/12
b3. Una tonelada del producto 3 requiere

PROBLEMA
En este problema de programacin
lineal, las variables funcionales o de
decisin son X1, X2 y X3, que
representan las unidades a fabricar de
los productos o niveles de actividad.
El problema es encontrar el vector X
que hace mxima a la funcin
objetivo:

Z = 100x1 + 200x2 + 50x3


5/25/12

PROBLEMA
Puesto que cada una de las
restricciones es del tipo menor o
igual, debemos sumar nuevas
variables no negativa, variables de
holgura, para obtener:
5x1 + 5x2 + 10x3 + s1
= 1000
s2

5/25/12

10x1 + 8x2 +
= 2000

5x3

TABLA SIMPLEX INICIAL


Cj

100

200

50

Ck

Xk

X1

X2

X3

S1

S2

S3

0
0
0

S1
S2
S3

1000
2000
500

5
10
10

5
8
5

10
5
0

1
0
0

0
1
0

0
0
1

Zj

100

200

50

Cj-Zj

Variable bsica
entrante: X2

5/25/12

1000/5 =
200
2000/8 =
250
Variable
500/5 =
bsica
100

que
sale: S3

PROBLEMA DE MAXIMIZACIN CON


RESTRICCIONES DADAS POR
IGUALDADES

Consideremos el
siguiente
problema
de
programacin
lineal, en el que las variables
funcionales o de decisin son
X1, X2 y X3, que representan
las unidades a fabricar de los
productos 1, 2 y 3.
El problema es encontrar el
5/25/12
vector
X que hace mxima a la

PROBLEMA DE MAXIMIZACIN CON


RESTRICCIONES DADAS POR
IGUALDADES
Considerando las variables de
holgura en la primera y tercera
restriccin, tenemos:
5x1 + 5x2 + 10x3 + s1
= 1000
10x1 + 8x2
2000

+ 5x3

10x1 + 5x2
=
500
5/25/12

=
+ s2

VARIABLES ARTIFICIALES
Para corregir esta situacin, se
introduce una variable artificial
en la segunda restriccin, para
obtener:
5x1 + 5x2 + 10x3 + s1
= 1000
10x1 + 8x2
= 2000
10x1

5/25/12

+ 5x2

+ 5x3

+ a1
+

VARIABLES ARTIFICIALES

Entonces, una variable artificial en


una restriccin cumple el papel de
variable bsica en su restriccin. A
pesar de que se ha corregido el
problema para que tenga la forma
correcta para empezar el algoritmo,
esta no es una solucin factible. Las
variables artificiales representan
productos imaginarios, por lo que
cualquier valor que tome a1 no
satisface la segunda restriccin.

5/25/12

EL MTODO DE PENALIZACIN
Dejamos a1 en el sistema de forma
que se pueda empezar el algoritmo,
pero intentaremos sacarla de ste
asignndole un coeficiente en la
funcin objetivo igual a M. La funcin
objetivo se convierte entonces en:
Z = 100x1 + 200x2 + 50x3
Ma1

Si Z se debe maximizar, a1 debe


5/25/12
dejar
la solucin y por lo tanto debe

EL MTODO DE PENALIZACIN
En general, cuando el modelo en la
forma estndar para el mtodo
simplex contiene variables artificiales,
stas se deben penalizar en la funcin
objetivo con un coeficiente M:

5/25/12

- Ma1

Maximizacin

+ Ma2

Minimizacin

EL MTODO DE PENALIZACIN
Cuando se realiza el algoritmo
simplex en un problema que contiene
variables artificiales, se puede llegar a
uno de tres casos posibles:
1)
Antes de obtener la tabla
simplex en la cual todos los cj zj
<= 0, la variable artificial se
reemplaza por otra variable. Entonces
tenemos una solucin bsica factible y
se
contina hasta determinar la
5/25/12

EL MTODO DE PENALIZACIN
3) Se obtiene una tabla simplex
en la cual todos los (cj zj) <= 0,
pero la variable artificial permanece
en la solucin con un valor positivo. En
este caso, la
solucin es no
factible, es decir, Z no puede
optimizarse en funcin de los trminos
no negativos. Desde el punto de vista
prctico esto significa que se est
tratando de hacer algo imposible con
los recursos disponibles.
5/25/12

PROBLEMA DE MAXIMIZACIN CON RESTRICCIONES


FORMADA POR DESIGUALDADES MAYOR O IGUAL
QUE

Continuaremos con el problema que


se viene tratando, pero alterado de
forma tal que se requiere que se usen
al menos 1000 tons. de la materia
prima b2. Este requerimiento convierte
la segunda restriccin del problema es
una restriccin tipo mayor o igual
que, esto da lugar al siguiente
modelo PL :
5x1 +
5/25/12 1000
<=

5x2

+ 10x3

PROBLEMA DE MAXIMIZACIN CON RESTRICCIONES


FORMADA POR DESIGUALDADES MAYOR O IGUAL
QUE

Haciendo los clculos apropiados,


sumando variables de holgura a la 1ra
y 3ra restricciones y restando una
variable de exceso a la 2da
restriccin, obtenemos:
5x1 + 5x2 + 10x3 + s1
= 1000
10x1 + 8x2
= 1000
5/25/12

10x1 + 5x2

+ 5x3

e2

PROBLEMA DE MAXIMIZACIN CON RESTRICCIONES


FORMADA POR DESIGUALDADES MAYOR O IGUAL
QUE

Para tener una solucin inicial bsica


factible, es necesario aadir una
variable artificial a la segunda
restriccin. En la funcin objetivo esta
variable artificial estar penalizado con
el coeficiente M, as:
Max Z = 100x1 + 200x2 + 50x3
Ma1
s. a.:
5/25/12

5x1 + 5x2

+ 10x3 + s1

METODO SIMPLEX PARA PROBLEMA DE


MINIMIZACIN

El tablero simplex para un problema


de minimizacin se dispone en la
misma forma que para un problema de
maximizacin. Las diferencias en el
problema de minimizacin son:
1) El valor de la solucin decrece
conforme avanzan las iteraciones.
2) En cada iteracin se selecciona
como variable bsica entrante,
aquella cuyo valor cj zj sea el ms
negativo.
Para la variable bsica
5/25/12

RESMEN
Tipo de
restriccin
aumenta

Variable que se

<=
=

+ s1 (holgura)
+ a1

(artificial)
>=
5/25/12
(exceso
y artificial)

- e1 + a2

EL MTODO DE DOS FASES

Cuando se trabaja con variables


artificiales, puede suceder que los
coeficientes de la funcin objetivo
tengan valores muy grandes, y que
por lo tanto el valor de M no sea
suficientemente grande para estar
seguro que las variables artificiales
van a tender a salir de la base y que
en un cierto nmero de iteraciones
vamos a llegar a un resultado
correcto.
5/25/12

EL MTODO DE DOS FASES


El mtodo de dos fases desarrolla el
algoritmo del simplex en dos fases:
1ra Fase
Se formula una funcin objetivo
artificial Z*, en la que se asigna Cj=0
a todas las variables, a excepcin de
las variables artificiales a las que se
les asigna un Cj=-1 para problemas de
maximizacin y Cj=+1 para problemas
de minimizacin. Se aplica el mtodo
5/25/12
simplex, y despus de cierto nmero

EL MTODO DE DOS FASES


a)

Antes de obtener la ltima tabla


simplex, las ai, salen de la base.
Entonces se ha obtenido una
solucin
bsica
factible
al
problema. Se pasa a la 2da fase
para obtener la solucin ptima.

Se obtiene la ltima tabla simplex, y


las ai estn en la base pero con
valor cero. Entonces se ha obtenido
una solucin bsica factible al
problema,
pero
puede
existir
5/25/12

b)

EL MTODO DE DOS FASES


2da Fase
a) La primera tabla simplex de la
2da fase es la ltima tabla simplex de
la 1ra fase, en la que se colocan los
verdaderos Cj de todas las variables.
b) Se recalculan las filas (Zj) y (Cj-Zj)
de la tabla simplex y se continan las
iteraciones hasta obtener la solucin
ptima.
5/25/12

CASOS ESPECIALES CON EL MTODO


SIMPLEX
Con el mtodo simplex se puede
detectar los siguientes casos
especiales:

Soluciones ptimas alternativas.

Solucin No Acotada.

Solucin No Factible.

Solucin Degenerada.
5/25/12

VALORES (CJ-Zj) IGUALES AL


SELECCIONAR LA VARIABLE QUE
INGRESA

Tratndose de un problema de
maximizacin, para elegir la variable
que entra, si al examinar los
indicadores (Cj-Zj) todos los valores
de la fila son cero o negativas,
entonces se tiene la solucin ptima,
en caso contrario se elegir como la
variable
que ingresa a la base
aquella que tiene el indicador (Cj-Zj)
ms positivo. En caso de empate
5/25/12
(dos o ms Cj-Zj con igual valor) se

VALORES (CJ-Zj) IGUALES AL


SELECCIONAR LA VARIABLE QUE
INGRESA A LA BASE
Cj
Ck

Xk

X1

X2

X3

S1

S2

...

...

...

...

...

...

...

...

-1

Zj
Cj - Zj

Variable elegida para ingresar a


la base
5/25/12

VALORES DE COCIENTES IGUALES AL


SELECCIONAR LA VARIABLE QUE SALE DE LA
BASE

Si la variable que va ingresar a la


base es la que corresponde a la
columna j, y al calcular el cociente
= bi/aij, para cada aij>0, se obtiene
empate en el cociente mnimo,
puede elegirse como variable que
sale de la base a cualquiera de las
variables que empatan en el cociente
mnimo.
Por
convencin,
se
selecciona la variable que est en la
parte
superior.
5/25/12

VALORES DE COCIENTES IGUALES AL


SELECCIONAR LA VARIABLE QUE SALE DE LA
BASE
Cj
Ck

Xk

X1

X2

X3

S1

X1

S3

Cj-Zj

S1 es la variable seleccionada para salir de la


base.
En la siguiente solucin S3 tambin tendr
valor cero.
5/25/12

SOLUCIONES PTIMAS ALTERNATIVAS


(MULTIPLES)

Se dice que un programa lineal que


tiene dos o ms soluciones ptimas,
tiene
soluciones
ptimas
alternativas.
En la solucin grfica, se reconocen
los ptimos alternativos, cuando la
recta de la F.O. es paralela a una de
las rectas de las restricciones
limitantes.
Cuando se utiliza el mtodo simplex,
5/25/12
no es posible saber que un programa

SOLUCIONES PTIMAS
ALTERNATIVAS
6

10

0
S2

Ck

Xk

X1

X2

S1

0
10

S1
X2

4
3

19/5
3/5

0
1

1
0

Zj

30

10

-2

Cj-Zj

5/25/12

Cj

La variable no bsica X1 tiene el indicador


(Cj Zj)=0.
Se puede obtener una solucin ptima
alternativa
haciendo otra iteracin, en la que ingresar
X1 como
nueva variable bsica.

2/5
1/5

SOLUCIN NO ACOTADA
(ILIMITADA)

Para un PL de maximizacin, se dice


que un programa lineal es no
acotado, si se puede hacer que el
valor de la solucin sea infinitamente
grande sin violar ninguna de las
restricciones.
Los problemas de maximizacin con
ganancias ilimitadas no se dan en la
prctica, por ello cuando se presenta
el no acotamiento, por lo general se
debe a un error en la formulacin del
5/25/12

SOLUCIN NO ACOTADA (ILIMITADA)


Cj

20

10

-M

Ck

Xk

X1

X2

X3

X4

a1

20
0

X1
X4

2
5

1
0

0
1

-1
0

0
1

1
0

Zj

40

20

-20

20

10

20

-M-20

Cj - Zj

Solucin No Acotada. El vector correspondiente a la


columna
X3 est formado por aij<=0. No se puede calcular el
cociente .

5/25/12

SOLUCIN NO FACTIBLE

Esta condicin ocurre cuando no


existe solucin para el programa
lineal que satisfaga todas las
restricciones, incluyendo las de nonegatividad. Si se usa el mtodo
grfico, ello significa que no existe
regin factible.
El mtodo simplex reconoce la no
factibilidad, cuando se ha llegado a
obtener una solucin que no puede
mejorarse,
pero
una
o
ms
5/25/12

SOLUCIN NO FACTIBLE

Cj

-1

-1

-M

Ck

Xk

X1

X2

S1

S2

a1

-1
-M

X1
a1

1
2

1
0

1
-2

1
-4

0
-1

0
1

Zj

-2M-1

-1

2M-1

4M-1

-M

-2M

1-4M

-M

Cj - Zj

Todos los (Cj Zj) <=0, lo que corresponde a una tabla


simplex final,
en la que hay una variable artificial con valor positivo.
Por tanto, se
concluye que el problema no tiene solucin factible.
5/25/12

SOLUCIN DEGENERADA

Se dice que una solucin es


degenerada si una o ms variables
bsicas tienen valor cero.
La degeneracin se previene cuando
hay empate en el cociente min al
determinar la variable bsica que
saldr de la base.
A diferencia de los problemas no
acotados
y los no factibles, la
ocurrencia de la solucin degenerada
no impide que se alcance la solucin
5/25/12

SOLUCIN DEGENERADA

Cj

Ck

Xk

X1

X2

S1

S2

a1

a2

X1

-1

S2

-1

-2

-1

Zj

-1

M-1

Cj - Zj

Solucin degenerada. La variable


bsica S2 =0

5/25/12

GRACIAS

5/25/12

Vous aimerez peut-être aussi