EL MTODO DUAL SIMPLEX

Como sabemos, el mtodo simplex es un algoritmo iterativo que iniciando en

una solucin bsica factible pero no ptima, genera soluciones bsicas
factibles cada vez mejores hasta encontrar la solucin ptima (s esta existe).
Ntese que la base de su lgica es mantener la factibilidad, mientras busca la
optimalidad. Pero surge la posibilidad de usar otro esquema igualmente
iterativo, que como contraparte del simplex, comienza en una solucin bsica
ptima, pero no factible y mantiene la inmejorabilidad mientras busca la
factibilidad. Con este procedimiento se llega igualmente a la solucin ptima.
El nuevo algoritmo fue desarrollo en 1954 por C. E. Lemke y se conoce con el
nombre de Mtodo Dual-Simplex. A continuacin se presenta su estructura y
un ejemplo para ilustrar su aplicacin.

Algoritmo Dual-Simplex para un modelo de maximizacin

Introduccin
Primero se debe expresar el modelo en formato estndar, agregando las
variables
de
holgura
y
de
exceso
que
se
requieran.
Enseguida, en las ecuaciones que tengan variables de exceso (resultantes de
restricciones de tipo >), se debe multiplicar por (-1) en ambos lados, para hacer
positivo el coeficiente de la variable de exceso, y formar as un vector unitario
que nos permita tomar esta variable de exceso como una variable bsica
inicial. Sin necesidad de agregar una variable artificial en esa restriccin.
Al hacer lo anterior se logra que debajo de las variables bsicas aparezca una
matriz identidad, que es la que el simplex siempre toma como base inicial.
Obtendremos que los trminos del lado derecho de las ecuaciones
multiplicadas por (-1) queden con signo negativo, lo cual hace que la solucin
inicial sea infactible.
Es importante destacar que este proceso es muy til ya que en muchos
modelos evita la inclusin de variables artificiales en el momento de
transformar un modelo a formato estndar.

El algoritmo para resolver un modelo de maximizacin es el siguiente:

Paso 1: Hallar una solucin bsica inicial infactible e inmejorable
Escribir el tablero inicial tomando a las variables de holgura y de exceso como
variables bsicas iniciales
Paso 2: Prueba de factibilidad
a. Si todas las variables bsicas son no negatvas, la actual solucin es la
ptima.
b. Si hay al menos una variable bsica negativa, seleccionar como variable
de salida,( llammosla (XB)s ), a aquella con el valor mas negativo. Los
empates se pueden
romper arbitrariamente.
Paso 3: Prueba de inmejorabilidad
a. S en el rengln de la variable bsica de salida (XB)s todos los
coeficientes de reemplazo con las variables no bsicas son no
negativos, la solucin del modelo es ptima limitada. Se termina el
proceso.
Si en el rengln de la variable bsica de salida (XB)s, hay al menos un
coeficiente de intercambio negativo , se efectan los cocientes entre el
efecto neto de cada variable no bsicas y su correspondientel
coeficiente de intercambio negativo.
Es decir, siendo (XB)s la variable de salida se calculan todos los
cocientes

Se toma como variable de entrada ( llammosla Xe ) a aquella que

corresponda al mnimo de los cocientes del anterior conjunto.
Si la variable de entrada es Xe el elemento pivote ser el elemento (Se)s
El empate se puede romper arbitrariamente.

b. Aplicar la operacin de pivoteo para generar la nueva tabla, en la cual

aparezca Xe como variable bsica en lugar de la variable de salida
(XB)s
c. Repetir el algoritmo a partir del paso 2.
Ejemplo de aplicacin del Mtodo Dual Simplex
Sea el siguiente modelo:
Maximizar Z= -2X1 -2X2 -3X3

Sujeto a :

2X1 +4X2 +2X3 > 10

3X1 -3X2 +9X3 = 12

con X1, X2, X3 > 0

Expresemos el modelo en formato estndar

Maximizar Z= -2X1 -2X2 -3X3

Sujeto a :

2X1 +4X2 +2X3 -IE1

3X1 -3X2 +9X3

= 10

-IE2 = 12

Multipliquemos por (-1) en ambos lados de las ecuaciones, para formar los
vectores unitarios, requeridos para contar con una base inicial unitaria.
Maximizar Z= -2X1 -2X2 -3X3

Sujeto a :

-2X1 -4X2 -2X3 +IE1

= -10

-3X1 +3X2 -9X3

+IE2 = -12

Paso 1.
Tomando las variables bsicas iniciales hacemos lo siguiente:
Cj -2
CB X1
0 -2
0 -3
Zj 0
Ej -2

-2
X2
-4
3
0
-2

-3
X3
-2
-9
0
-3

0
E1
1
0
0
0

0
XB
E2 Solucin Bsicas
0
-10 E1
1
-12 E2
0
0
0
0Z

Paso 2
Sale E2 = (XB)2 o sea s = 2
Paso 3
a. Calculando los cocientes para todo (Sj)2 < 0 obtenemos:

O sea que X3 es la variable de entrada (entonces e = 3) y el elemento pivote es

el (Se)s = (S3)2 = -9
b. Efectuando el pivoteo obtenemos la tabla siguiente:
Tabla 1 (maximizar)
Cj -2 -2 -3
CB X1 X2 X3
0 -4/3
0
14/3
-3 -1/3 -1/3 1
Zj -1 1
-3
Ej -1 -3 0

0
0
XB
E1 E2 Solucin Bsicas
1

-2/9

-22/3 E1

0
0
0

-1/9
1/3
-1/3

4/3 X3
-4 Z

c. Repitiendo el algoritmo desde el paso 1, obtenemos:

sale E1 = (XB)1 y entra X2 por lo cual obtenemos la siguiente tabla

Tabla 2
Cj -2 -2 -3 0
0
XB
CB X1 X2 X3 E1 E2 Solucin Bsicas
-2 2/7 1 0
1/21
11/7 X2
3/14
-3 3/7 0 1
13/7 X3
1/14 2/21
Zj
1 -3
4/21
13/7
9/14
Ej -1/7 0 0
-61/7 Z
9/14 4/21

Como
se
En definitiva:

observa,

ahora

X2*
X3*
Z* = - 61/7

estamos

en

=
=

el

ptimo.

11/7
13/7

Otro ejemplo:
Resolver el siguiente modelo usando el mtodo Dual-Simplex
Minimizar Z= 2X1 + 2X2

Sujeto a :

3X1 +X2

> 10

4X1 +3X2

> 12

X1

<

+2X

con X1, X2 > 0

Expresando el modelo en formato estndar y ajustndolo para que las variables

bsicas sean las variables de holgura tenemos:

Minimizar Z= 2X1

Sujeto a :

+
2X2

-3X1 -X2

+IE1

-4X1 -3X2

X1

+IE2

+2X

+IE3

-3

-6

Usando el mtodo Dual Simplex obtenemos, sucesivamente:

Tabla 0

Basicas X1 X2 E1

E2 H3 Solucin

E1

-3

-1

-3

E2

-4

-3

-6

H3

Ej

Sale E2
Entonces los cocientes son

Nota: Obsrvese que cuando el objetivo es minimizar, se toma el valor

absoluto de los cocientes.
Tabla 1

Basicas X1 X2 E1

E2 H3 Solucin

E1

-5/3 0

-1/3

-1

E2

4/3

-1/3

H3

-5/3 0

2/3

-1

1/3

Ej

Sale H1
Los cocientes son:

Tabla 2 (ptima)

Basicas X1 X2 E1

E1

E2 H3 Solucin

0 -3/5 1/5

3/5

E2

4/5 -3/5

6/5

H3

-1

Ej

2/5 1/5

12/5

La solucin ptima es X1 = 3/5, X2 = 6/5 ; Z = 12/5

En la grfica observamos el camino que realmente sigui el algoritmo para
pasar de la solucin infactible con valor Z= 0 a la solucin factible ptima con
valor Z = 12/5.
La aplicacin del mtodo simplex dual es especialmente til en el anlisis de
sensibilidad. Se usa cuando despus de haber obtenido la solucin ptima, se
desea agregar una nueva restriccin al modelo si la nueva restriccin no se
cumple.
En este caso se obtiene que para los valores ptimos de las variables de
decisin, la solucin permanece ptima pero se convierte en infactible. Surge
entonces la necesidad de aplicar el algoritmo Dual-Simplex para extraer la
variable bsica que tiene valor infactible. Cuando estudiemos el tema de
anlisis de sensibilidad analizaremos un caso como el citado.