escribiendo a info@programacionlineal.

net

FEB

2014

Mtodo Simplex

El Mtodo Simplex publicado por George Dantzig en 1947 consiste en un

algoritmo iterativo que secuencialmente a travs de iteraciones se va aproximando al ptimo del

problema de Programacin Lineal en caso de existir esta ltima.

La primera implementacin computacional del Mtodo Simplex es el ano 1952 para un problema de 71

variables y 48 ecuaciones. Su resolucin tarda 18 horas. Luego, en 1956, un cdigo llamado RSLP1,

implementado en un IBM con 4Kb en RAM, admite la resolucin de modelos con 255 restricciones.

El Mtodo Simplex hace uso de la propiedad de que la solucin ptima de un problema de

Programacin Lineal se encuentra en un vrtice o frontera del dominio de puntos factibles (esto ltimo

en casos muy especiales), por lo cual, la bsqueda secuencial del algoritmo se basa en la evaluaci2n

progresiva de estos vrtices hasta encontrar el ptimo. Cabe destacar que para aplicar el Mtodo

Simplex a un modelo lineal, este debe estar en un formato especial conocido como formato estndar

el cual definiremos a continuacin.

FORMA ESTNDAR DE UN MODELO DE PROGRAMACIN LINEAL

Consideremos un modelo d2e Programacin Lineal en su forma estandar, que denotaremos en lo que

sigue por:

Min c1x1 + c2x2 + ... + cnxn

sa a11x1 + a12x2 + ... + a1nxn = b1

a21x1 + a22x2 + ... + a2nxn = b2

... ... ...

 am1x1 + am2x2 + ... + amnxn = bm

xi >= 0, i = 1, 2, ..., n y m <= n

Matricialmente escrito como:

Min cTx

s.a Ax = b

x >= 0

No existe prdida de generalidad en asumir que un modelo de PL viene dado en su forma estndar:

EJEMPLO

P) Max 9u + 2v + 5z5

sa 4u + 3v + 6z <= 50

u + 2v - 3z >= 8

2u - 4v + z = 5

u,v >= 0

z e IR

1. Siempre es posible llevar un problema de maximizacin a uno de minimizacin. Si f(x) es la

funcin objetivo a maximizar y x* es la solucin ptima f(x*) >= f(x), para todo x factible.

-f(x*) <= - f(x), para todo x factible. En consecuencia: x* es tambin mnimo de -f(x)

2. Cada restriccin del tipo <= puede ser llevada a una ecuacin de igualdad usando una

(nueva) variable de holgura no negativa, con coeficiente nulo en la funcin objetivo.

3. Cada restriccin del tipo >= puede ser llevada a una ecuacin de igualdad usando una

(nueva) variable de exceso no negativa, con coeficiente nulo en la funcin objetivo.

 4. Siempre es posible escribir una variable2 libre de signo como la diferencia de dos variables no

negativas.

Considerando la siguiente notacin: u = x1, v = x2, z = x3 - x4, s1 = x5 (holgura), s2 = x6

(exceso), el problema P) puede ser escrito en forma equivalente como:

Min - 9x1 - 2x2 - 5x3 + 5x4 + 0x5 + 0x6

sa: 4x1 + 3x2 + 6x3 - 6x4 + x5 = 50

x1 + 2x2 - 3x3 + 3x4 - x6 = 8

2x1 - 4x2 + x3 - x4 = 5

xi >= 0, i=1,2,3,4,5,6.

EJEMPLO:

Resolver el siguiente problema de Programacin Lineal utilizando el Mtodo Simplex:

Max 40*X1 + 60*X2

s.a. 2*X1 + 1*X2 <= 70

1*X1 + 1*X2 <= 40

1*X1 + 3*X2 <= 90

X1 >= 0 X2 >= 0

Para poder aplicar el Mtodo Simplex, es necesario llevar el modelo a su formato estndar, para lo cual

definimos X3, X4, X5 >= 0 como las respectivas variables de holgura para la restriccin 1, 2 y 3.

De esta forma queda definida la tabla inicial del mtodo de la siguiente forma:

X1 X2 X3 X4 X5

2 1 1 0 0 70

1 1 0 1 0 40
 1 3 0 0 1 90

-40 -60 0 0 0 0

En esta situacin, las variables de holgura definen una solucin bsica factible inicial, condicin

necesaria para la aplicacin del mtodo. Luego, se verifican los costos reducidos de las variables no

bsicas (X1 y X2 en la tabla inicial) y se escoge como variable que entra a la base aquella con el

costo reducido "ms negativo". En este caso, X2.

Luego, para escoger que variable bsica deja la base debemos buscar el mnimo cuociente entre el

lado derecho y los coeficientes asociados a la variable entrante en cada fila (para aquellos coeficientes

> 0 marcados en rojo en la tabla anterior). El mnimo se alcanza en Min {70/1, 40/1, 90/3} = 30

asociado a la tercera fila, el cual corresponde a la variable bsica actual X5, en consecuencia, X5 deja

la base. En la posicin que se alcanza el mnimo cuociente lo llamaremos "Pivote" (marcado con

rojo) el cual nos servir para realizar las respectivas operaciones filas, logrando la siguiente tabla al

cabo de una iteracin:

X1 X2 X3 X4 X5

5/3 0 1 0 -1/3 40

2/3 0 0 1 -1/3 10

1/3 1 0 0 1/3 30

-20 0 0 0 20 1800

El valor de la funcin objetivo luego de una iteracin ha pasado de 0 a 1.800. Se recomienda al lector

hacer una representacin grfica del problema y notar como las soluciones factibles del mtodo

corresponden a vrtices del dominio de puntos factibles.

La actual tabla no corresponde a la solucin ptima del problema P) debido a que existe una variable

no bsica con costo reducido negativo, por tanto X1 entra a la base. Posteriormente, mediante el

criterio del mnimo cuociente calculamos la variable que debe dejar la base: Min {40/(5/3), 10/(2/3),

30/(1/3)} = 15, asociado a la fila 2 (variable bsica actual X4), por tanto X4 deja la base. Obtenido lo

anterior se aplica una iteracin del mtodo:

 X1 X2 X3 X4 X5

0 0 1 -5/2 1/2 15

1 0 0 3/2 -1/2 15

0 1 0 -1/2 1/2 25

0 0 0 30 10 2100

Finalmente se alcanza la solucin ptima del problema P) y se verifica que los costos reducidos

asociados a las variables no bsicas (X4 y X5 son mayores o iguals que cero). Notse que la existencia

de un costo reducido igual a cero para una variable no bsica en esta etapa define un problema con

"infinitas soluciones".

La solucin alcanzada es X1* = 15, X2* = 25 con V(P*) = 2.100. Adicionalmente, los costos

reducidos asociados a las variables no bsicas definen el precio sombra asociado a las restricciones 1,

2 y 3, respectivamente, lo cual es equivalente a la obtencin del precio sombra mediante el mtodo

grfico. Dejaremos para una posterior presentacin, la forma de calcular el intervalo de variacin para

el lado derecho que permite la validez del precio sombra, utilizando la tabla final del Mtodo Simplex.

MTODO SIMPLEX DE 2 FASES

Esta estrategia se utiliza cuando no es inmediata una solucin bsica factible inicial en las variables

originales del modelo.

FASE 1: Se considera un problema auxiliar que resulta de agregar tantas variables auxiliares a las

restricciones del problema, de modo de obtener una solucin bsica factible. Resolver por Simplex un

problema que considera como funcin objetivo la suma de las variables auxiliares. Si el valor ptimo es

cero, seguir a la Fase II, en caso contrario, no existe solucin factible.

FASE 2: Resolver por Simplex el problema original a partir de la solucin bsica factible inicial hallada

en la Fase I.

P) Max 2X1 + X2

sa 10X1 + 10X2 <= 9

 10X1 + 5X2 >= 1

X1, X2 >= 0

Se debe agregar X3 como variable de holgura de la restriccin 1, X4 como variable de exceso de la

restriccin 2 y X5 variable auxiliar para poder comenzar la Fase 1. (Ntese que solo agregando X3

como variable de holgura a la restriccin 1 y X4 como variable de exceso a las segunda restriccin no

se obtiene una solucin bsica factible inicial, en particular X4<0).

F1) Min X5

sa ...............10X1 + 10X2 + X3 = 9

10X1 + 5X2 - X4 + X5 = 1

X1, X2, X3, X4, X5 >= 0

La tabla inicial asociada a la Fase I queda en consecuencia definida de la siguiente forma:

X1 X2 X3 X4 X5

10 10 1 0 0 9

10 5 0 -1 1 1

0 0 0 0 1 0

Luego, se debe hacer 0 el costo reducido de X5, obteniendo la siguiente tabla inicial para hacer el uso

de Simplex:

X1 X2 X3 X4 X5

10 10 1 0 0 9

10 5 0 -1 1 1

-10 -5 0 1 0 -1

Se escoge X1 como variable que entra a la base al tener el costo reducido ms negativo.

Posteriormente, mediante el criterio del mnimo cuociente se selecciona la variable que sale de la

base: Min {9/10; 1/10} = 1/10, X5 sale de la base:

 X1 X2 X3 X4 X5

0 5 1 1 -1 8

1 1/2 0 -1/10 1/10 1/10

0 0 0 0 1 0

Se obtiene la solucin ptima de la Fase I, con valor ptimo cero. Luego iniciamos la Fase II del mtodo

tomando X1 y X3 como variables bsicas iniciales.

FASE 2: Resolver por Simplex el problema original a partir de la solucin bsica factible inicial hallada

en la Fase I.

X1 X2 X3 X4

0 5 1 1 8

1 1/2 0 -1/10 1/10

-2 -1 0 0 0

Hacemos cero los costos reducidos de las variables bsicas:

X1 X2 X3 X4

0 5 1 1 8

1 1/2 0 -1/10 1/10

0 0 0 -1/5 1/5

X4 entra a la base. Por el criterio del mnimo cuociente, el pivote se encuentra en la fila 1, por tanto

X3 sale de la base:

X1 X2 X3 X4

0 5 1 1 8

1 1 1/10 0 9/10

0 1 1/5 0 9/5
Donde la solucin ptima es: X1=9/10 X2=0 Con valor ptimo V(P) = 9/5.

Necesitas Aprobar tu Examen de

Programacin Lineal y no tienes
ejercicios Resueltos?...
Descarga HOY el Libro de Apuntes de Programacin Lineal!

RESUELVA AQUI SUS PROBLEMAS DE PROGRAMACIN LINEAL UTILIZANDO EL MTODO

SIMPLEX

La siguiente aplicacin permite resolver modelos de Programacin Lineal utilizando el Mtodo Simplex.

Consideremos uno de los ejemplos de esta seccin para ver su uso. Ntese que no es necesario

agregar las restricciones de no negatividad. De aqu se obtiene la solucin ptima, valor ptimo y cada

una de las tablas del Mtodo Simplex. Para una mejor visualizacin de las tablas se recomienda

seleccionar el modo "Fraccin".

 Escriba su problema lineal abajo. (Seleccione "Ejemplo" para ver como funciona)

Solucin:
La Solucin Optima aparecera aqui
Redondeo: digitos significativos
6
Modo:
Decimal
Fraccin
Entero

Las tablas del Metodo Simplex apareceran AQUI.75

Aplicacin usada con la autorizacin de ZweigMedia Inc. Los derechos de autor corresponde a

ZweigMedia.

Problemas usando la aplicacin? Hganos llegar sus consultas. Ingrese a nuestro Formulario de

Contacto:
 NUESTROS REFERIDOS

A continuacin se presenta un compendio de Links de Inters para el usuario.

Mtodo Simplex

Investigacin Operativa

ENLACES PATROCINADOS

Links patrocinados que pueden resultar de inters para el usuario.

MTODO SIMPLEX - CASOS ESPECIALES

Llevar un problema de Programacin Lineal a su forma estndar no siempre es inmediato. Un error

frecuente es tratar de resolver por el Mtodo Simplex un modelo que no cumple con el diseo que

exige el mtodo. A continuacin algunos ejemplos y casos especiales a tener en cuenta:

CAMBIO DE VARIABLES

Resuelva el siguiente problema de Programacin Lineal utilizando el Mtodo Simplex.

Max 2X1 + 2X2 + 4X3

S.A.

X2 + 2X3 <= 240 (R1)

X1 + X2 + X3 <= 400 (R2)

2X1 + X2 + X3 <= 360 (R3)

X1>=100 (R4) X2>=60 (R5) X3>=60 (R6)

Si quisiramos resolver directamente este problema utilizando Simplex deberamos agregar variables

de exceso para R4, R5 y R6 y luego variables artificiales para disponer de una solucin bsica factible
de modo de utilizar el Mtodo Simplex de 2 Fases. Claramente esto es un trabajo tedioso por el gran

tamao de la tabla resultante.

En consecuencia, lo ms eficiente es hacer un cambio de variables de modo que todas las

restricciones queden del tipo "<=" y de esta forma se dispone de una solucin bsica factible inicial.

Sea Y1=X1-100>=0; Y2=X2-60>=0; Y3=X3-60>=0. Reemplazamos en el modelo anterior, el cual

queda de la siguiente forma:

Max 2Y1 + 2Y2 + 4Y3 + 560

S.A.

Y2 + 2Y3 <= 60 (R1)

Y1 + Y2 + Y3 <= 180 (R2)

2Y1 + Y2 + Y3 <= 40 (R3)

Y1>=0 (R4) Y2>=0 (R5) Y3>=0 (R6)

Ntese que se podra obviar la restriccin 2 y obtener identicos resultados. De todos modos definimos

la tabla inicial asociada a este nuevo problema:

Y Y Y S S S

1 2 3 1 2 3

0 1 2 1 0 0 60

18
1 1 1 0 1 0
0

2 1 1 0 0 1 40

-2 -2 -4 0 0 0 0

Compruebe que Y1=5 (X1=105), Y2=0 (X2=60), Y3=30 (X3=90) con V(P)=690.

PROBLEMA INFACTIBLE

Esta situacin se detecta cuando el valor ptimo del problema de la fase 1 es distinto de cero.
Max 3x1 + 2x2

s.a: 2x1 + x2 <= 2

3x1 + 4x2 >= 12

x1,x2 >= 0

Llevamos el modelo a su forma estndar agregando X3 como variable de holgura de la restriccin 1,

X4 como variable de exceso de la restriccin 2 y X5 como variable artificial de la restriccin 2 que nos

permita formar la base. De esta forma el modelo de la fase 1 queda definido por:

Min x5

s.a: 2x1 + x2 + x3 = 2

3x1 + 4x2 -x4 + x5= 12

x1,x2,x3,x4,x5 >= 0

Con tabla inicial:

X1 X2 X3 X4 X5

2 1 1 0 0 2

3 4 0 -1 1 12

0 0 0 0 1 0

Y tabla final de la fase 1:

X1 X2 X3 X4 X5

2 1 1 0 0 2

-5 0 -4 -1 1 4

5 0 4 0 0 -4

EJEMPLO PROBLEMA NO ACOTADO:

Esta situacin se detecta cuando al realizar el clculo de la variable que deja la base, todos los

elementos ykj de la columna j en la tabla, son negativos para j el ndice de una variable no bsica con

costo reducido negativo.

Max 2x1 + x2

s.a: x1 - x2 <= 10

2x1 <= 40

x1,x2 >= 0

Donde la tabla inicial del mtodo simplex luego de agregar X3 y X4 como variables de holgura para las

restricciones 1 y 2 respectivamente es:

X1 X2 X3 X4

1 -1 1 0 10

2 0 0 1 40

-2 -1 0 0 0

Cabe destacar que en esta instancia ya se puede constatar que el problema es no acotado. X2 siendo

variable no bsica los elementos de la respectiva columna son negativos o cero. Sin embargo, si el

usuario no se percata inmediatamente de esto, de todos modos llegar a la misma conclusin en la

iteracin posterior, luego de hacer entrar X1 a la base como aquella variable no bsica con costo

reducido ms negativo.

MLTIPLES SOLUCIONES PTIMAS

Esta situacin se detecta cuando existen costos reducidos iguales a cero en una o ms de las variables

no bsicas ptimas.

Max 3x1 + 2x2

s.a: 5x1 + 2x2 <= 140

3x1 + 2x2 <= 120

x1,x2 >= 0

Con tabla final del Mtodo Simplex:

X1 X2 X3 X4

1 0 1/2 -1/2 10

0 1 -3/4 5/4 45

0 0 0 1 120

Ntese que se ha encontrado una de las infinitas soluciones ptimas para el problema (X1=10,

X2=45, V(P)=120). Esto debido a que la variable no bsica X3 tiene costo reducido igual a cero en el

ptimo. Cmo se puede obtener otro vrtice con similar valor ptimo?. Se debe forzar la

entrada entonces de X3 a la base y sacar de la base una de las variables bsicas actuales (si sigue el

clculo notar que esta corresponde a X1). Finalmente, el nuevo vrtice ptimo es X1=0, X2=60,

V(P)=120. El resto de las infinitas soluciones ptimas esta contenida en tramo que une los 2 vrtices

tal como se muestra en la figura:

MTODO SIMPLEX - CASOS ESPECIALES

Llevar un problema de Programacin Lineal a su forma estndar no siempre es inmediato. Un error

frecuente es tratar de resolver por el Mtodo Simplex un modelo que no cumple con el diseo que

exige el mtodo. A continuacin algunos ejemplos y casos especiales a tener en cuenta:

CAMBIO DE VARIABLES

Resuelva el siguiente problema de Programacin Lineal utilizando el Mtodo Simplex.

Max 2X1 + 2X2 + 4X3

S.A.

X2 + 2X3 <= 240 (R1)

X1 + X2 + X3 <= 400 (R2)

2X1 + X2 + X3 <= 360 (R3)

X1>=100 (R4) X2>=60 (R5) X3>=60 (R6)

Si quisiramos resolver directamente este problema utilizando Simplex deberamos agregar variables

de exceso para R4, R5 y R6 y luego variables artificiales para disponer de una solucin bsica factible

de modo de utilizar el Mtodo Simplex de 2 Fases. Claramente esto es un trabajo tedioso por el gran

tamao de la tabla resultante.

En consecuencia, lo ms eficiente es hacer un cambio de variables de modo que todas las

restricciones queden del tipo "<=" y de esta forma se dispone de una solucin bsica factible inicial.
Sea Y1=X1-100>=0; Y2=X2-60>=0; Y3=X3-60>=0. Reemplazamos en el modelo anterior, el cual

queda de la siguiente forma:

Max 2Y1 + 2Y2 + 4Y3 + 560

S.A.

Y2 + 2Y3 <= 60 (R1)

Y1 + Y2 + Y3 <= 180 (R2)

2Y1 + Y2 + Y3 <= 40 (R3)

Y1>=0 (R4) Y2>=0 (R5) Y3>=0 (R6)

Ntese que se podra obviar la restriccin 2 y obtener identicos resultados. De todos modos definimos

la tabla inicial asociada a este nuevo problema:

Y Y Y S S S

1 2 3 1 2 3

0 1 2 1 0 0 60

18
1 1 1 0 1 0
0

2 1 1 0 0 1 40

-2 -2 -4 0 0 0 0

Compruebe que Y1=5 (X1=105), Y2=0 (X2=60), Y3=30 (X3=90) con V(P)=690.

PROBLEMA INFACTIBLE

Esta situacin se detecta cuando el valor ptimo del problema de la fase 1 es distinto de cero.

Max 3x1 + 2x2

s.a: 2x1 + x2 <= 2

3x1 + 4x2 >= 12

x1,x2 >= 0
Llevamos el modelo a su forma estndar agregando X3 como variable de holgura de la restriccin 1,

X4 como variable de exceso de la restriccin 2 y X5 como variable artificial de la restriccin 2 que nos

permita formar la base. De esta forma el modelo de la fase 1 queda definido por:

Min x5

s.a: 2x1 + x2 + x3 = 2

3x1 + 4x2 -x4 + x5= 12

x1,x2,x3,x4,x5 >= 0

Con tabla inicial:

X1 X2 X3 X4 X5

2 1 1 0 0 2

3 4 0 -1 1 12

0 0 0 0 1 0

Y tabla final de la fase 1:

X1 X2 X3 X4 X5

2 1 1 0 0 2

-5 0 -4 -1 1 4

5 0 4 0 0 -4

EJEMPLO PROBLEMA NO ACOTADO:

Esta situacin se detecta cuando al realizar el clculo de la variable que deja la base, todos los

elementos ykj de la columna j en la tabla, son negativos para j el ndice de una variable no bsica con

costo reducido negativo.

Max 2x1 + x2

s.a: x1 - x2 <= 10
 2x1 <= 40

x1,x2 >= 0

Donde la tabla inicial del mtodo simplex luego de agregar X3 y X4 como variables de holgura para las

restricciones 1 y 2 respectivamente es:

X1 X2 X3 X4

1 -1 1 0 10

2 0 0 1 40

-2 -1 0 0 0

Cabe destacar que en esta instancia ya se puede constatar que el problema es no acotado. X2 siendo

variable no bsica los elementos de la respectiva columna son negativos o cero. Sin embargo, si el

usuario no se percata inmediatamente de esto, de todos modos llegar a la misma conclusin en la

iteracin posterior, luego de hacer entrar X1 a la base como aquella variable no bsica con costo

reducido ms negativo.

MLTIPLES SOLUCIONES PTIMAS

Esta situacin se detecta cuando existen costos reducidos iguales a cero en una o ms de las variables

no bsicas ptimas.

Max 3x1 + 2x2

s.a: 5x1 + 2x2 <= 140

3x1 + 2x2 <= 120

x1,x2 >= 0
Con tabla final del Mtodo Simplex:

X1 X2 X3 X4

1 0 1/2 -1/2 10

0 1 -3/4 5/4 45

0 0 0 1 120

Ntese que se ha encontrado una de las infinitas soluciones ptimas para el problema (X1=10,

X2=45, V(P)=120). Esto debido a que la variable no bsica X3 tiene costo reducido igual a cero en el

ptimo. Cmo se puede obtener otro vrtice con similar valor ptimo?. Se debe forzar la

entrada entonces de X3 a la base y sacar de la base una de las variables bsicas actuales (si sigue el

clculo notar que esta corresponde a X1). Finalmente, el nuevo vrtice ptimo es X1=0, X2=60,

V(P)=120. El resto de las infinitas soluciones ptimas esta contenida en tramo que une los 2 vrtices

tal como se muestra en la figura: