Descripcin del mtodo simplex

Cdigos PACS: 02.10.Yh, 02.09.+p

Derlis Hernndez Lara *

1

Centro de Investigacin en Computacin, Instituto Politcnico Nacional

*

dhernandezl0600 @ipn.mx

_________________________________________________________________ Resumen. En este trabajo se describe el mtodo simplex, haciendo nfasis en las consideraciones ms
significativas que esto conlleva, como son los fundamentos necesarios para su correcta interpretacin y aplicacin. El algebra matricial y el proceso de eliminacin de Gauss-Jordan para resolver un sistema de ecuaciones lineales constituye la base del mtodo simplex, cuya principal aplicacin es resolver problemas de programacin lineal en los que intervienen tres o ms variables [1]. Al aplicar dicho mtodo se obtiene la trayectoria ms ptima de un sistema, ya sea encontrando su valor mximo o el mnimo, dependiendo de la necesidad del sistema o problema planteado. Es importante determinar primero si el sistema con el que se est trabajando tiene solucin o no, porque puede darse el caso de que se empiece a trabajar y no se llegue a ninguna solucin, para esto la descripcin del mtodo se apoya en la obtencin del determinante del sistema de ecuaciones, el cual debe cumplir la condicin de ser diferente de cero para que exista una solucin, situacin de la cual no es posible percatarse si solo se aplica el mtodo de Gauss-Jordan. Palabras clave: Mtodo simplex, Gauss-Jordan, lgebra matricial, programacin lineal.

Abstract. This paper describes the simplex method, emphasizing the most significant considerations
that entails, as are the necessary foundations for proper interpretation and application. Matrix algebra and the process of Gauss-Jordan elimination to solve a system of linear equations is the basis of the simplex method, whose main application is to solve linear programming problems that involve three or more variables [1]. By applying this method provides the optimum trajectory of a system, either by finding its maximum or minimum value, depending on the needs of the system or problem. Its important to first determine if the system you are working has a solution or not, because it may happen that you start working and not come to any solution to this description of the method relies on obtaining the determinant system of equations, which must meet the condition of being different from zero so that there is a solution, a situation which cant realize itself applies the Gauss-Jordan. Keywords: Simplex method, Gauss-Jordan, matrix algebra, linear programming. ________________________________________________________________________________________

Introduccin El Mtodo Simplex es un mtodo analtico de solucin a problemas de programacin lineal capaz de resolver modelos ms complejos que los resueltos mediante el mtodo grfico sin restriccin en el nmero de variables.

El Mtodo Simplex es un mtodo iterativo que permite ir mejorando la solucin en cada paso. La razn matemtica de esta mejora radica en que el mtodo consiste en caminar del vrtice de un poliedro a un vrtice vecino de manera que aumente o disminuya (segn 1

el contexto de la funcin objetivo, sea maximizar o minimizar), dado que el nmero de vrtices que presenta un poliedro solucin es finito, siempre se hallar solucin. Este famoso mtodo fue creado en el ao de 1947 por el estadounidense George Bernard Dantzig y el ruso Leonid Vitalievich Kantorovich, con el nimo de obtener un algoritmo capaz de solucionar problemas de m restricciones y n variables [2]. DETERMINANTE DE UNA MATRIZ Denicin: Sea una matriz de 2 x 2 se dene el determinante de la matriz A, y se expresa como det(A) o bien |A|, de la siguiente manera: [ ] (1)

El determinante de una matriz determina si los sistemas son singulares o mal condicionados. En otras palabras sirve para determinar la existencia y la unicidad de los resultados de los sistemas de ecuaciones lineales. Un determinante con valor cero indica que se tiene un sistema singular, un determnate con valor cercano a cero indica que se tiene un sistema mal condicionado. Un sistema singular es cuando en el sistema de ecuaciones se tiene a ms de una ecuacin con el mismo valor de la pendiente. Por ejemplo ecuaciones que representan lneas paralelas o que coinciden en los mismos puntos de graficacin [4]. MTODO DE GAUSS-JORDAN Consiste en hacer transformaciones elementales en las filas de la matriz para llegar a obtener la matriz identidad. Realizando estas mismas transformaciones con la matriz identidad llegamos a la matriz . Se llama transformacin elemental en una matriz a: 1) Multiplicar o dividir una fila por un nmero real distinto de cero. 2) Sumar o restar a una fila otra multiplicada por un nmero real no nulo. 3) Intercambiar el lugar de dos filas entre s. Algoritmo de eliminacin de Gauss-Jordan 1.- Ir a la columna no cero extrema izquierda. 2.- Si el primer rengln tiene un cero en esta columna, intercambiarlo con otro que no lo tenga.

det(A) = |A| =a11 a22 a12 a21

(2)

Dada una matriz cuadrada A de orden n, se define el menor complementario de un elemento de A, aij, como el determinante de la matriz que se obtiene al suprimir la fila i y la columna j en la que se encuentra dicho elemento aij. El menor se representa por Mij. Se define el menor de un elemento aij al determinante que resulta de eliminar el rengln i y la columna j [5]. Si se denota como Mij a tal determinante, se tiene:

(3)

3.- Luego, obtener ceros debajo de este elemento delantero, sumando mltiplos

adecuados del rengln renglones debajo de l.

superior

los (4)

4.- Cubrir el rengln superior y repetir el proceso anterior con la submatriz restante. Repetir con el resto de los renglones (en este punto la matriz se encuentra en la forma de escaln). 5.- Comenzando con el ltimo rengln no cero, avanzar hacia arriba: para cada rengln obtener un 1 delantero e introducir ceros arriba de ste sumando mltiplos correspondientes a los renglones con los que se este trabajando. Una variante interesante de la eliminacin de Gauss es a la que se llama eliminacin de Gauss-Jordan, que consiste en ir obteniendo los 1 delanteros durante los pasos uno al cuatro (llamados paso directo) as para cuando estos finalicen ya se obtendr la matriz en forma escalonada reducida. Este mtodo se desarrollara cuando se est describiendo el mtodo simplex, porque est implcito en la bsqueda del punto ms ptimo de un sistema de ecuaciones lineales, recordando que lo que se obtiene es la matriz identidad [1]. MATRIZ IDENTIDAD Una matriz puede definirse como una ordenacin rectangular de elementos, (o listado finito de elementos), los cuales pueden ser nmeros reales o complejos, dispuestos en forma de filas y de columnas. La matriz idntica o identidad es una matriz cuadrada (que posee el mismo nmero tanto de columnas como de filas) de orden n que tiene todos los elementos diagonales iguales a uno (1) y todos los dems componentes iguales a cero (0), se denomina matriz idntica o identidad de orden n, y se denota por:

La importancia de la teora de matrices en el Mtodo Simplex es fundamental, dado que el algoritmo se basa en dicha teora para la resolucin de sus problemas. PROGRAMACIN LINEAL La Programacin Lineal (PL) es una de las principales ramas de la Investigacin Operativa. En esta categora se consideran todos aquellos modelos de optimizacin donde las funciones que lo componen, es decir, funcin objetivo y restricciones, son funciones lineales en las variables de decisin Los modelos de Programacin Lineal por su sencillez son frecuentemente usados para abordar una gran variedad de problemas de naturaleza real en ingeniera y ciencias sociales, lo que ha permitido a empresas y organizaciones importantes beneficios y ahorros asociados a su utilizacin [3]. Los modelos matemticos se dividen bsicamente en modelos deterministas (MD) o modelos estocsticos (ME). En el primer caso (MD) se considera que los parmetros asociados al modelo son conocidos con certeza absoluta, a diferencia de los modelos estocsticos, donde la totalidad o un subconjunto de los parmetros tienen una distribucin de probabilidad asociada. Los cursos introductorios a la investigacin operativa generalmente se enfocan slo en modelos deterministas, como se muestra en la figura 1.

buscar sucesivamente otro vrtice que mejore al anterior. La bsqueda se hace siempre a travs de los lados del polgono (o de las aristas del poliedro, si el nmero de variables es mayor). Cmo el nmero de vrtices (y de aristas) es finito, siempre se podr encontrar la solucin [2]. El mtodo simplex se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su valor mximo en el vrtice A, entonces hay una arista que parte de A, a lo largo de la cual f aumenta. Para conocer la metodologa que se aplica en el mtodo, se resuelve el siguiente problema: Maximizar Z= f(x,y)= 3x + 2y sujeto a: 3. Escribir las restricciones en sistema de inecuaciones. forma de 2x + 3y 42 (7) (8) (9) 2x + y 18 (5) (6)

Figura 1, Divisin de los modelos matemticos.

Pasos para resolver un problema de programacin lineal 1. Elegir las incgnitas. 2. Escribir la funcin objetivo en funcin de los datos del problema.

4. Averiguar el conjunto de soluciones factibles representando grficamente las restricciones. 5. Calcular las coordenadas de los vrtices del recinto de soluciones factibles (si son pocos). 6. Calcular el valor de la funcin objetivo en cada uno de los vrtices para ver en cul de ellos presenta el valor mximo o mnimo segn nos pida el problema (hay que tener en cuenta aqu la posible no existencia de solucin si el recinto no est acotado). Descripcin del mtodo simplex El mtodo simplex es un procedimiento iterativo que permite ir mejorando la solucin a cada paso. El proceso concluye cuando no es posible seguir mejorando ms dicha solucin. Partiendo del valor de la funcin objetivo en un vrtice cualquiera, el mtodo consiste en

3x + y 24 x 0,y 0 Se consideran las siguientes fases:

1. Convertir las desigualdades en igualdades Se introduce una variable de holgura por cada una de las restricciones, para convertirlas en igualdades, resultando el sistema de ecuaciones lineales: 2x+ y + h = 18 2x+ 3y + s = 42 3x+y + d = 24 (10) (11) (12)

2. Igualar la funcin objetivo a cero - 3x - 2y + Z = 0 3. Escribir la tabla inicial simplex 4 (13)

En las columnas aparecern todas las variables del problema y, en las filas, los coeficientes de las igualdades obtenidas, una fila para cada restriccin y la ltima fila con los coeficientes de la funcin objetivo:
Tabla I. Iteracin n 1

sean mayores que cero. En este caso: 18/2 [=9], 42/2 [=21] y 24/3 [=8] Si hubiese algn elemento menor o igual que cero no se hace dicho cociente. En el caso de que todos los elementos fuesen menores o iguales a cero, entonces se tendra una solucin no acotada y no se puede seguir. El trmino de la columna pivote que en la divisin anterior d lugar al menor cociente positivo, el 3, porque 8 es el menor, indica la fila de la variable de holgura que sale de la base, d. Esta fila se llama fila pivote (en color azul). Si al calcular los cocientes, dos o ms son iguales, indica que cualquiera de las variables correspondientes pueden salir de la base. c) En la interseccin de la fila pivote y columna pivote se encuentra el elemento pivote operacional, 3. 5. Encontrar los coeficientes de la nueva tabla Los nuevos coeficientes de x se obtienen dividiendo todos los coeficientes de la fila d por el pivote operacional, 3, que es el que hay que convertir en 1. A continuacin mediante el mtodo de eliminacin de Gauss se hacen ceros los restantes trminos de su columna, con lo que se obtiene los nuevos coeficientes de las otras filas incluyendo los de la funcin objetivo Z. Obsrvese el siguiente ejemplo:
Vieja fila de s Coeficiente Nueva fila pivote Nueva fila de s 2 2 x 1 = 0 3 2 x 1/3 = 7/3 0 2 x 0 = 0 1 2 x 0 = 1 0 2 x 1/3 = -2/3 42 2 x 8 = 26

Base Variable de decisin x y 2 1 h 2 3 s 3 1 d -3 -2 Z

Variable de holgura h s d 1 0 0 0 1 0 0 0 1 0 0 0

Valores solucin 18 42 24 0

4. Encontrar la variable de decisin que entra en la base y la variable de holgura que sale de la base a) Para escoger la variable de decisin que entra en la base, se observa la ltima fila, la de los coeficientes de la funcin objetivo y se selecciona la variable con el coeficiente negativo mayor (en valor absoluto). En este caso, la variable x de coeficiente -3. Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior, entonces se elige uno cualquiera de ellos. Si en la ltima fila no existiese ningn coeficiente negativo, significa que se ha alcanzado la solucin ptima. Por tanto, lo que va a determinar el final del proceso de aplicacin del mtodo del simplex, es que en la ltima fila no haya elementos negativos. La columna de la variable que entra en la base se llama columna pivote (en color azul). b) Para encontrar la variable de holgura que tiene que salir de la base, se divide cada trmino de la ltima columna (valores solucin) por el trmino correspondiente de la columna pivote, siempre que estos ltimos

Base

h s x Z

Tabla II. Iteracin n 2 Variable Variable de Valores de holgura solucin decisin x y h s d 0 1/3 1 0 -2/3 2 0 7/3 0 1 -2/3 26 1 1/3 0 0 1/3 8 0 -1 0 0 1 24

base es d, por ser la corresponde al coeficiente -1

variable

que

Para calcular la variable que sale, se dividen los trminos de la ltima columna entre los trminos correspondientes de la nueva columna pivote: 6/-2[=-3], 12/4[=3], y 6:1[=6], como el menor cociente positivo es 3, se tiene que la variable de holgura que sale es s. El elemento pivote, que ahora hay que hacer 1, es 4. Se obtiene la siguiente tabla: Tabla IV. Final del proceso Variable Variable de Valores de holgura solucin decisin x y h s d -1/2 -1/2 0 0 1 12 -7/4 1/4 0 0 1 3 3/4 -1/4 0 1 0 3 5/4 1/4 0 0 0 33

Como en los elementos de la ltima fila hay uno negativo, -1, significa que no se ha llegado todava a la solucin ptima. Hay que repetir el proceso: La variable que entra en la base es y, por ser la variable que corresponde al coeficiente -1 Para calcular la variable que sale, se dividen los trminos de la ltima columna entre los trminos correspondientes de la nueva columna pivote: 2:1/3[=6], 26:7/3[=78/7] y 8:1/3[=8], como el menor cociente positivo es 6, se tiene que la variable de holgura que sale es h. El elemento pivote, que ahora hay que hacer 1, es 1/3. Operando de forma anloga a la anterior se obtiene la tabla: Tabla III. Iteracin n 3 Variable Valores Base Variable de decisin de holgura solucin x y h s d 0 1 3 0 -2 6 y 0 0 -7 1 4 12 s 1 0 -1 0 1 6 x 0 0 3 0 -1 30 Z

Base

y d x Z

Como todos los coeficientes de la fila de la funcin objetivo son positivos, se ha llegado a la solucin ptima. La solucin ptima viene dada por el valor de Z en la columna de los valores solucin, en este caso: 33. En la misma columna se puede observar el vrtice donde se alcanza, viendo las filas correspondientes a las variables de decisin que han entrado en la base: D(3,12). Si en el problema de maximizar aparecieran como restricciones, inecuaciones de la forma: ; multiplicndolas por -1 se transforman en inecuaciones de la forma , y se llega al caso anterior. Si en lugar de maximizar se trata de un problema de minimizar se sigue el mismo proceso, pero cambiando el sentido del criterio, es decir, para entrar en la base se 6

Como en los elementos de la ltima fila hay uno negativo, -1, significa que no se ha llegado todava a la solucin ptima. Hay que repetir el proceso: La variable que entra en la

elige la variable cuyo valor, en la fila de la funcin objetivo, sea el mayor de los positivos y se finalizan las iteraciones cuando todos los coeficientes de la fila de la funcin objetivo son negativos. Interpretacin geomtrica del mtodo del simplex Las sucesivas tablas que se han construido van proporcionando el valor de la funcin objetivo en los distintos vrtices, ajustndose, a la vez, los coeficientes de las variables iniciales y de holgura. En la primera iteracin (Tabla I) han permanecido todos los coeficientes iguales, se ha calculado el valor de la funcin objetivo en el vrtice A(0,0), siendo este 0. A continuacin se desplaza por la arista AB, calculando el valor de f, hasta llegar a B. Este paso aporta la Tabla II. En esta segunda iteracin se ha calculado el valor que corresponde al vrtice B(8,0): Z=f(8,0) = 24 Sigue por la arista BC, hasta llegar a C, donde se para y despliega los datos de la Tabla III. En esta tercera iteracin se ha calculado el valor que corresponde al vrtice C(6,6) : Z=f(6,6)=30. Se contina haciendo clculos a travs de la arista CD, hasta llegar al vrtice D. Los datos que se reflejan son los de la Tabla IV. Concluye con esta tabla, advirtiendo que ha terminado (antes ha comprobado que la solucin no mejora al desplazarse por la arista DE), obsrvese la figura 2. El valor mximo de la funcin objetivo es 33, y corresponde a x = 3 e y = 12 (vrtice D).

Figura 2, Interpretacin geomtrica del mtodo simplex.

Si se calcula el valor de la funcin objetivo en el vrtice E(0,14), su valor no supera el valor 33. Conclusiones En este trabajo se hizo la descripcin del mtodo simplex, tomando en cuenta las consideraciones ms significativas para su correcta interpretacin y aplicacin. Primero hay que determinar si el sistema de ecuaciones planteadas tiene solucin o no, si no la tiene no se podr resolver por este mtodo. Con el mtodo simplex se resuelven problemas de programacin lineal, en donde se busca el punto o la trayectoria ms optima en donde convergen las ecuaciones que describen al problema. Este mtodo se enfoca solo a problemas de modelos matemticos determinsticos, as que no resulta til para procesos estocsticos. Bibliografa [1] J.L. UrrutiaGalicia, J.C. Alcrreca Huerta, M.A. OrdazAlcntara, Programacin lineal con espacios covariante y contravariante. Una perspectiva fsica y matemtica, Universidad Nacional Autnoma de Mxico, 2007.

[2] Arbonas, M.E. Optimizacin Industrial (I):

Distribucin de los recursos. Coleccin Productica No. 26.Marcombo S.A, 1989.

[3] Moskowitz,H. y Wright G.P. Investigacin

de Operaciones. Prentice_Hall Hispanoamericana S.A. 1991.

[4] M. Chvez de Diego, Diagonalizacin de matrices, Espaa, Escuela Tcnica Superior de Ingeniera de Edificacin de Sevilla, 2005. [5] J. L. Gallego Gmez, Apuntes de Econometra. LADE y LE, 2009, Universidad de Cantabria, Disponible en la Web: http://ocw.unican.es/ciencias-sociales-yjuridicas/econometria/econometria/apuntes/ap endice1.pdf