Académique Documents
Professionnel Documents
Culture Documents
net
FEB
2014
Mtodo Simplex
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.
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
Consideremos un modelo d2e Programacin Lineal en su forma estandar, que denotaremos en lo que
sigue por:
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
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
3. Cada restriccin del tipo >= puede ser llevada a una ecuacin de igualdad usando una
negativas.
2x1 - 4x2 + x3 - x4 = 5
xi >= 0, i=1,2,3,4,5,6.
EJEMPLO:
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
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
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
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
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,
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.
Esta estrategia se utiliza cuando no es inmediata una solucin bsica factible inicial en las variables
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
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
X1, X2 >= 0
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
F1) Min X5
sa ...............10X1 + 10X2 + X3 = 9
10X1 + 5X2 - X4 + X5 = 1
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
0 5 1 1 -1 8
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
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
-2 -1 0 0 0
X1 X2 X3 X4
0 5 1 1 8
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.
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
Solucin:
La Solucin Optima aparecera aqui
Redondeo: digitos significativos
6
Modo:
Decimal
Fraccin
Entero
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
Mtodo Simplex
Investigacin Operativa
ENLACES PATROCINADOS
frecuente es tratar de resolver por el Mtodo Simplex un modelo que no cumple con el diseo que
CAMBIO DE VARIABLES
S.A.
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
restricciones queden del tipo "<=" y de esta forma se dispone de una solucin bsica factible inicial.
S.A.
Ntese que se podra obviar la restriccin 2 y obtener identicos resultados. De todos modos definimos
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
x1,x2 >= 0
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
x1,x2,x3,x4,x5 >= 0
X1 X2 X3 X4 X5
2 1 1 0 0 2
3 4 0 -1 1 12
0 0 0 0 1 0
X1 X2 X3 X4 X5
2 1 1 0 0 2
-5 0 -4 -1 1 4
5 0 4 0 0 -4
elementos ykj de la columna j en la tabla, son negativos para j el ndice de una variable no bsica con
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
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
iteracin posterior, luego de hacer entrar X1 a la base como aquella variable no bsica con costo
reducido ms negativo.
no bsicas ptimas.
x1,x2 >= 0
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
frecuente es tratar de resolver por el Mtodo Simplex un modelo que no cumple con el diseo que
CAMBIO DE VARIABLES
S.A.
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
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
S.A.
Ntese que se podra obviar la restriccin 2 y obtener identicos resultados. De todos modos definimos
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.
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
x1,x2,x3,x4,x5 >= 0
X1 X2 X3 X4 X5
2 1 1 0 0 2
3 4 0 -1 1 12
0 0 0 0 1 0
X1 X2 X3 X4 X5
2 1 1 0 0 2
-5 0 -4 -1 1 4
5 0 4 0 0 -4
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
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
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
iteracin posterior, luego de hacer entrar X1 a la base como aquella variable no bsica con costo
reducido ms negativo.
Esta situacin se detecta cuando existen costos reducidos iguales a cero en una o ms de las variables
no bsicas ptimas.
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