Professional Documents
Culture Documents
Tabla de contenido
2.1. Objetivo.
2.2. Conceptos relacionados.
2.3. Teoremas de la programacin lineal.
2.4. Mtodo Simplex.
2.5. Matriz unitaria "I" de base con variables artificiales.
2.6. Casos especiales en la tabla Simplex.
2.7. Teora de la dualidad.
2.8. Ejercicios, actividades de aprendizaje y autoevaluaciones correspondientes al captulo
2.9. Referencias bibliogrficas
2.1. Objetivo.
El alumno debe aprender la utilizacin del poderoso y verstil mtodo simplex de solucin en
programacin lineal, aplicado en problemas ejemplo pequeos que muestran las diversas
circunstancias de su preparacin antes de aplicar el algoritmo y los casos especiales identificables
en la tabla solucin. Tambin con fines de interpretacin econmica, debe aprender las relaciones
que vinculan a un problema con su dual asociado y los teoremas derivados.
2.2. Conceptos relacionados.
Para la gran mayora de los problemas modelados con programacin lineal, el mtodo grfico es
claramente intil para resolverlo, pero afortunadamente y gracias a la dedicacin de varios
cientficos, desde mediados del siglo XX se cuenta con el eficiente mtodo SIMPLEX, poderoso por
su aplicacin verstil en cualquier rea de la actividad humana. Pero como antecedente a la
exposicin del simplex, conviene aclarar con definiciones algunos conceptos relacionados.
En programacin lineal es necesario calificar la palabra solucin para precisar el concepto al que se
hace referencia, como se expresa enseguida:
SOLUCIN.- Es un conjunto de n + m variables "Xj", definidas ordenadamente como un vector X =
(X1, X2, ... Xj, ... Xn, Xn+1, ... , Xn+m) que satisface el conjunto de ecuaciones que constituyen el
sistema en el problema.
Este teorema indica que cada punto extremo corresponde, al menos, a una solucin bsica
y viceversa, cada solucin bsica significa un punto extremo. As se concluye que el
nmero de puntos extremos del conjunto de soluciones factibles, es finito y no puede
exceder el de sus soluciones bsicas. Entonces, el nmero mximo de tales soluciones
supuestas nicas se calcula con el binomio:
Es de anotar, que un punto extremo puede estar definido con ms de dos restricciones
en cuyo caso se dice no nico y tener ms de una solucin bsica; adems, si es extremo
factible, se tiene degeneracin en tal vrtice. El punto extremo factible nico se dice es
solucin bsica no degenerada. Un punto extremo (vrtice) del conjunto factible se
identifica porque no se puede expresar como combinacin convexa de cualquier par de
puntos del mismo conjunto.
2.4. Mtodo Simplex.
En el ao 1947 el doctor George Dantzig present el algoritmo que desarroll y que denomin
SIMPLEX. A partir de este logro se pudieron resolver problemas que por ms de un siglo
permanecieron en calidad de estudio e investigacin con modelos formulados pero no resueltos.
El desarrollo paralelo de la computacin digital, hizo posible su rpido desarrollo y aplicacin
empresarial a todo tipo de problemas.
El mtodo simplex disminuye sistemticamente un nmero infinito de soluciones hasta un nmero
finito de soluciones bsicas factibles. El algoritmo simplex utiliza el conocido procedimiento de
eliminacin en la solucin de ecuaciones lineales de Gauss- Jordan y, adems aplica los llamados
criterios del simplex con los cuales se asegura mantener la bsqueda dentro de un conjunto de
soluciones factibles al problema; as valora una funcin econmica Z, exclusivamente en vrtices
FACTIBLES (posibles). Tambin se consigue con eficiencia, debido a que se dirige la bsqueda
haciendo cambios a una solucin bsica factible adyacente, que se distingue al tener m-1 variables
bsicas iguales; es decir, dos vrtices adyacentes slo difieren en una variable bsica;
seleccionando la ruta de mayor pendiente, para mejorar el valor de Z, o por lo menos conservarlo.
Primero se presenta el mtodo simplex, especfico para un modelo de PL en forma cannica de
mximo, aplicado con la conocida tabla matricial, (tambin identificada como tableau), lo cual se
resume mediante el diagrama funcional de la Figura 2-1, que muestra los fundamentos del
algoritmo contenidos en niveles o bloques numerados para la referencia en la descripcin del
mismo.
Nivel 1.- Forma estndar.-El modelo de PL en forma cannica de mximo que se desea resolver,
tiene m ecuaciones obtenidas al convertir las restricciones de desigualdad a igualdad, agregando
m variables de holgura, que sumadas a las n variables de decisin, hacen un total de (m + n)
incgnitas.
Las m restricciones con las (m + n) variables, producen un nmero infinito de soluciones, entre
ellas, un conjunto de factibles y tambin las no factibles.
Nivel 2.- Calcule una primera solucin bsica factible.- Del total, (m + n) variables, slo n se
igualan con cero ( n = 0 ), lo cual produce (s existen), un nmero finito de soluciones bsicas con
un lmite mximo de (m + n)! / m! n!. Estas pueden ser, factibles y no factibles; se consideran slo
las primeras.
Nivel 3.- Se toman en cuenta slo las soluciones bsicas factibles, esto es, las que tienen todas las
variables bsicas >= cero; es decir, con un nmero de iteraciones menor a (m + n)! / m! n!, se
obtienen soluciones bsicas factibles: no degeneradas, si todas las incgnitas bsicas son positivas
y soluciones degeneradas, si al menos una variable bsica es igual a cero. Se aplican los criterios
del algoritmo en forma iterativa para evaluar la funcin objetivo en puntos extremos adyacentes
que potencialmente puedan mejorar el valor Z.
Nivel 4.- Se generan nuevas soluciones bsicas factibles, tales que el valor de la funcin objetivo Z
mejore; se repite el procedimiento (iteraciones) entre los niveles 3 y 4, hasta que ninguna solucin
bsica factible adyacente resulte mejor; es decir, hasta que no haya incremento de valor, si el
problema es de mximo, (hasta que no haya decremento, para el problema, no tratado ahora, de
mnimo).
Nivel 5.- Se interpretan los resultados de la ltima (iteracin) tabla calculada, porque se
identifican las caractersticas de una solucin ptima.
Criterios del Algoritmo Simplex.
El algoritmo simplex emplea los siguientes criterios para asegurar que la bsqueda de la solucin
ptima del problema en estudio sea rpida, limitando el clculo a soluciones bsicas (puntos
extremos) que sean factibles.
Criterio de optimalidad. Se aplica en el simplex para determinar entre las variables no bsicas,
una que entre (VE) a la base, eligiendo en la columna que tenga el coeficiente ms negativo en el
Nivel 1.Se inicia el mtodo simplex para el problema expresado en forma cannica, sumando una
variable de holgura a cada una de las restricciones de desigualdad <= que contiene el
modelo, convirtindose todas ellas en igualdades. Las holguras se denotan con X n+1,
Xn+2,..., Xn+m. Otra conveniente notacin es: H1, H2,..., Hm; en donde 1,2,...,m, son
restricciones tipo <=. As se pasa a:
Figura 2-2. Tabla simplex, con 1 solucin bsica factible, ejemplo MAXCAN1
Nivel 4.A partir de la solucin inicial del algoritmo simplex, se puede generar una nueva solucin
bsica factible; se aplica primero el criterio de optimalidad a la solucin bsica factible
actual, seleccionando entre las variables no bsicas, una variable que entre
a la
base y por lo tanto cambie a bsica. La seleccin de VE se hace con el criterio de conseguir
la mayor ganancia unitaria de la funcin objetivo en un vrtice. Se observa que un
incremento unitario en X2, aumenta en 5 el valor de Z, mientras que un incremento
unitario en X1, aumenta en 3 el valor de Z; si se desea el mximo conviene aumentar a X 2,
dejando a X1 en cero, lo que corresponde en la analoga geomtrica a decidir pasar a
valorar el vrtice adyacente A(0,6) a lo largo del segmento frontera OA, incrementando a
X2, desde un valor de cero hasta un valor de 6, conservando X1 su valor cero (Figura 1-33).
En el simplex, para este ejemplo con el objetivo de maximizar (Figura 2-3), se aplica la
optimalidad seleccionando la variable no bsica con el coeficiente ms negativo en el
rengln Z de la tabla, sealando la columna elegida con
.
La solucin bsica del simplex, siempre debe tener m (m=3 en el ejemplo) variables
bsicas, entonces la VE del criterio de optimalidad debe reemplazar a una de las variables
bsicas que al salir de la base se convierte en no bsica. As en segundo lugar, se aplica
el criterio de factibilidad, para determinar entre las variables bsicas, una que salga de la
base
. En la columna izquierda estn las variables en la base y en la columna
derecha, se tienen sus valores, los cuales se dividen entre el coeficiente que sea positivo,
en el mismo rengln i de la columna k de la VE, esto es: Mnimo (12 / 2 = 6; 18 / 2 = 9) = 6,
lo cual se cumple para la variable bsica H2, que debe sealarse como
.
Observe, que las variables no bsicas X1 y X2 no ocupan lugar en la base, por eso valen cero. Para
aclarar el criterio de factibilidad, considere que se decide el incremento de valor a X2 para variable
entrante VE, lo que significa cambiar al vrtice adyacente A, trasladndose a lo largo de la frontera
OA, con un valor para la variable X1 = 0 que sustituido en el sistema de ecuaciones en forma
estndar, se tiene:
Aqu se puede ver la esencia del criterio de factibilidad, al no permitir un valor mayor a 6 para la
variable X2, pues para que H2 H3 salgan de la base, deben anularse: as H2=0 y H3=6, con X2=6;
H3=0 yH2 = -6, si X2 = 9; pero al asignar X2 = mn (6, 9) =6 se impide que la variable H2 sea negativa
ya que viola las condiciones impuestas; en la analoga geomtrica significara evaluar la recta de la
funcin objetivo en el vrtice A adyacente al O y pasar a evaluar el vrtice B no adyacente al O,
que adems es no factible porque H2 = -6, (Figura 1-33).
En el cruce de la columna que corresponde a
y el rengln de la
, se localiza un
coeficiente identificado como pivote (P) que se utiliza para iniciar el procedimiento de solucin de
ecuaciones lineales conocido como de Gauss-Jordan. Para este ejemplo el pivote es 2, en el
rengln saliente
y columna entrante
, procediendo al clculo en Figura 2-4 de la
siguiente tabla simplex que es la nueva solucin bsica factible correspondiente al punto extremo
adyacente A (0, 6) de la analoga geomtrica.
La segunda solucin bsica factible se inicia con la nueva base formada con m = 3 variables
bsicas; H1 y H3 que se conservan, pero sale H2 y se reemplaza con la variable X2 como bsica en el
nuevo punto extremo a evaluar. La tabla simplex se empieza con el rengln
entrante
correspondiente a la variable X2; se calcula dividiendo los coeficientes del
rengln saliente
entre el coeficiente pivote P de la tabla solucin anterior. En el lado
izquierdo de la tabla se anota la frmula utilizada RE = RS / P, para lo resultados mostrados en la
fila de X2. Al convertir en bsica a la variable X2, se deben hacer las operaciones fila necesarias para
conseguir en su columna, el vector unitario, caracterstico de una variable bsica que forma parte
de la matriz I. Por lo tanto se escriben, el coeficiente 1 en la posicin del pivote y coeficientes cero
en el resto de la columna. Adems, en el rengln Z de la tabla, el coeficiente correspondiente
tambin debe resultar cero. Esto debido a que los coeficientes del rengln Z son indicadores del
posible incremento en el valor de la funcin objetivo. En cuanto una variable no bsica se
incrementa de valor hacindola bsica, el coeficiente en tal rengln resulta de valor cero,
indicando as, que X2 ya no puede aportar a la ganancia representada con la variable Z. En las
frmulas a la izquierda, se usa la fila RE de la nueva tabla y las filas necesarias de la tabla anterior;
la fila H1 se copia igual porque ya existe el cero en la columna X2.
Figura 2-4. Tabla simplex con 2a solucin bsica factible, ejemplo MAXCAN1.
Un clculo con la restriccin (2) en la forma estndar: 2X2 + H2 = 12, sustituyendo los valores X2=6 y
H2=0 dados en la segunda tabla simplex: 2(6) + 1(0) = 12, muestra que debe utilizarse todo el
recurso (2), produciendo hasta ahora una ganancia Z = 3X1 + 5X2 = 3(0) + 5(6) = 30, que resulta
mejor a Z = 0 anterior.
Observe el nico cambio de la base, sigue con tres variables, pero X2 sustituye a H2 como variable
bsica y conserva a H1 y H3, de la solucin bsica factible de tabla anterior ya que ambas son, de
puntos extremos adyacentes.
La nueva solucin bsica factible valorada con el simplex es, por analoga, el punto extremo vrtice
A(0,6) en Figura 1-33: ( X1, X2, H1, H2, H3 ) = ( 0, 6, 4, 0, 6 )
Ahora las variables bsicas H1, X2, H3 con vector columna unitaria hacen la base I. La Figura 25 repite la segunda tabla con los criterios del simplex aplicado.
El tratamiento algebraico siguiente, fuera del procedimiento simplex en forma tabular que se est
exponiendo, puede satisfacer al estudiante, para comprender los resultados del rengln Z de la
tabla con la segunda solucin bsica factible:
La ecuacin (2) en la forma estndar es 2X2 + H2 =12 bien X2 + 1/2 H2 = 6; despejando: X2 =6 1/2H2; sustituyendo en la funcin: Z - 3X1 - 5X2 = 0, se tiene:
En este proceso algebraico se observa la importancia de los coeficientes en Z: (-3) para X1 y (+5/2)
para la holgura H2, se comprende que se utilicen como indicadores para la optimalidad en el
simplex. Significa que la variable X1 no bsica y por lo tanto con valor cero, conviene hacerla bsica
aumentando su valor, pues su coeficiente en la ecuacin indica que por cada unidad asignada a X1,
al valor de Z=30 se le suma 3. As en la tabla simplex en Figura 2-5 se decide que X1, variable no
bsica entre a la base
, para incrementar Z. En cambio Z disminuye, si regresa H2 a la base.
Por otro lado, en la aplicacin del criterio de factibilidad se dividen los valores actuales de las
variables bsicas, situados en la columna derecha de la tabla, entre los respectivos coeficientes
positivos en la columna X1, que se tiene como VE, con el resultado: Mnimo ( 4/1 = 4, 6/3 = 2 ) = 2,
entonces la variable H3 es saliente
, y se debe reemplazar por la nueva variable bsica X1 =
2.
Esto representa el cambio de base del vrtice A(0,6) al vrtice C(2,6), ambos puntos extremos
adyacentes de la analoga grfica en la Figura 1-33, lo cual se identifica en el simplex porque la
base H1, X2, H3anterior, cambia a H1, X2, X1 en la siguiente solucin bsica; es decir, slo difieren en
que X1 sustituye a H3.
En el cruce de la columna y el rengln seleccionados para variable entrante a la base
y
variable saliente de la base
, se ubica el coeficiente pivote P = 3 en Figura 2-5 que se utiliza
para el clculo de la siguiente iteracin.
A continuacin se presenta la tercera tabla simplex en la Figura 2-6 que se inicia colocando las
variables bsicas H1, X2, X1, as ordenadas en los renglones, calculando los coeficientes del rengln
Figura 2-6. Tabla simplex ptima, en 3 solucin bsica factible, ejemplo MAXCAN1.
Los resultados de esta tabla simplex, muestran los coeficientes indicadores en el rengln Z,
correspondientes a las cinco variables con valor no negativo; segn el criterio de optimalidad
significa que ya no hay variables candidatas para entrar a la base y as se tiene una solucin
ptima en el rengln Z con un valor:
Que debe completarse con la lectura del programa ptimo en las filas de las variables en la base y
columna solucin:
Variables de decisin X1 = 2, X2 = 6, variable de holgura H1 = 2. Las variables no presentes en la
base, deben valer cero: holguras H2 = 0, H3 = 0.
Sustituyendo el programa obtenido en el problema con forma estndar se tiene.
Las restricciones (2) y (3), se cumplen con valor cero para las holguras H2 y H3, significa que en esos
recursos no existe sobrante. En cambio, el recurso (1) que vale 4, tiene sobrante que representa la
variable bsica de holgura H1 = 2.
Entonces la solucin ptima se tiene en el vrtice C(2,6) de la analoga grfica, tal como se anota
en la Figura 1-33 y en el espacio ampliado de cinco dimensiones mostrado en la Figura 1-36 que se
manej en la misma. Con el mtodo simplex se optimiza en el punto extremo caracterizado con el
vector de la siguiente solucin bsica factible:
En la Figura 2-7 [HIL67]se muestra el total de tablas simplex aplicado al ejemplo MAXCAN1, en forma
cannica de mximo con slo dos variables de decisin y tres restricciones <=.
Figura 2-7. Tablas simplex del ejemplo MAXCAN1 con 3 restricciones tipo <=.
EMPATES EN LOS CRITERIOS DEL SIMPLEX.- Quiz el lector ya pens en la posibilidad de empates
al aplicar los criterios del simplex para el cambio de base. Con el criterio de optimalidad, al elegir
entre coeficientes indicadores empatados en el mismo valor, se tiene prioridad con las
variables de decisin y entre estas, se selecciona la variable entrante a la base en forma arbitraria,
pues con diferencia de ms o menos iteraciones (no es predecible), se llega a los mismos
resultados. En el caso de empate al aplicar el criterio de factibilidad, se presenta la situacin
de degeneracin (solucin bsica no nica), que resulta en el mismo valor para la funcin objetivo
en dos o ms iteraciones, pudiendo llegar al caso extremo de ciclar, vea ejemplo CaVa 27, lo cual
sucede en tan pocas ocasiones, que la teora y reglas para evitarlo, ya no se tratan. La variable
artificial que se expone en los prrafos siguientes, siempre se debe intentar eliminar de la base (al
menos que en degeneracin se anule como bsica); en cuanto al empate entre otras variables se
decide arbitrariamente la variable que debe dejar la base.
Mtodo simplex aplicado en problemas con modelo no cannico.
Si el dedicado lector ya lo pens as, tiene razn, pues la mayora de las programaciones lineales
de los problemas no se sujetan a la forma cannica, pero la exposicin del simplex con mximo, es
ms fcil y tambin ms accesible para el conocimiento del que se inicia. Cuando el modelo de
programacin lineal que se desea resolver, ya sea de mnimo o bien de mximo, tiene cualquier
tipo de restricciones, que incluyan las de tipo (>=) y / o las de (=), en tal caso se requiere la
preparacin del modelo utilizando una base artificial. En esta situacin, se requiere aplicar alguna
de las siguientes variantes del mtodo simplex, pues el que ya se explic en pginas anteriores, no
es suficiente.
2.5. Matriz unitaria "I" de base con variables artificiales.
Cuando el problema de programacin lineal se expresa en la forma cannica de maximizar, las
variables de holgura que se suman en cada restriccin de tipo <= para conseguir la igualdad de la
forma estndar, proporcionan un coeficiente (+1) que es til para formar la matriz unitaria " I "; se
cumple as con la necesidad de la primera solucin bsica factible que requiere el algoritmo
simplex para su inicio.
Pero muchas veces, el modelo de programacin lineal no tiene forma cannica y presenta
restricciones de tipo >= e =, con las cuales no se usan variables de holgura para el propsito de
conseguir la forma estndar. Al restar la supervit -1S se convierte a ecuacin la restriccin tipo
>=; y la restriccin = ya se cumple; pero en ambos casos no se tiene la aportacin del coeficiente +
1.
Los problemas de programacin lineal expresados con restricciones distintas al tipo <= necesitan
un artificio matemtico para conseguir una matriz de base artificial, lo cual es posible sumando
una variable artificial W i de valor no negativo, i=1,2,...,m en cada restriccin i de tipo >= e =, as
se proporciona el coeficiente +1 indispensable para la formacin de la matriz unitaria I que
requiere el algoritmo simplex para ponerlo en marcha.
Una variable artificial no tiene significado fsico y slo se utiliza para completar la primera solucin
bsica que requiere el simplex para iniciarse; pero en contraste, a travs de las etapas de clculo,
debe procurarse que las artificiales salgan pronto de la base, convirtindolas en no bsicas, o bien
que, como variables bsicas valgan cero para poder lograr la solucin ptima.
A continuacin se exponen las variantes del algoritmo simplex que se utilizan en el caso de la
presencia de variables artificiales en el modelo a resolver.
2.5.1. Mtodo Simplex penal o de la M grande.
El simplex penal es una variante del mtodo simplex aplicable en los casos en que las variables
artificiales son necesarias en el problema, ya sea de maximizar o tambin de minimizar. El nombre
de simplex penal se explica porque se penaliza con un coeficiente M, que representa un valor muy
grande (mayor que cualquier otro coeficiente del problema), a cada variable artificial W i que se
incluya en la funcin objetivo del problema. Para mximo se utiliza la penalizacin con signo
menos (- M), por otro lado para mnimo se utiliza signo ms (+ M).
Las variables artificiales se usan para la primera solucin bsica del simplex, pero el valor muy
grande del coeficiente M, procura su rpida salida de la base cuando el problema tiene solucin
factible. Aunque algn caso degenerado puede tener una variable artificial en la base con valor
cero; vea ejemplos Artbs0deg3v4r (16), Artabs02f (2), Ciclo deg (27) en programa CAVA
(prximo a liberarse). Por el contrario, si no es posible anular las variables artificiales (W i >0),
significa que no hay solucin factible al problema; vea ejemplo Artinofac en programa CAVA.
El siguiente Ejemplo 2-2 es un problema de PL que requiere variables artificiales para intentar
resolverlo y corresponde al Ejemplo 1-16 utilizado con mtodo grfico, tambin incluidos en el
programa CAVA (prximo a liberarse):
Ejemplo 2-2. Aplica mtodo Simplex Penal, PL en mximo con 3 tipos de restriccin
(FACTIRECTA).
Figura 2-8. Tablas del mtodo simplex penal aplicado al ejemplo FACTIRECTA.
cambios de la base. Se inicia con los renglones y columnas y los encabezados necesarios para
copiar ordenadamente los coeficientes del modelo, tal como se presentan en la forma con base
artificial y la funcin Z arreglada con trmino independiente; los lugares vacos se llenan con cero.
Aqu anote que la matriz I, no necesariamente se forma con sus vectores unitarios colocados
juntos escalonadamente; pueden quedar intercalados vectores unitarios (por las variables de
holgura y/o artificiales) o no unitarios (por las de supervit); en este ejemplo, hay una
intercalacin de la variable S2 de supervit, lo cual se podra haber evitado permutando las
primeras dos restricciones. En todos los casos se puede buscar arreglar las restricciones en el
orden que convenga para facilitar el anlisis posterior de la solucin tabular. Las variables bsicas
deben colocarse en la columna izquierda ordenadas de tal manera, que coincidan en su rengln
con el coeficiente +1 del vector unitario, en la columna correspondiente a la misma variable.
En prrafos anteriores se menciona, que toda variable bsica debe tener coeficiente indicador
cero en el rengln Z; esto significa que tal variable ya no puede aportar alguna cantidad al valor de
la funcin objetivo; pero las variables artificiales W2 y W3 tienen un coeficiente M en dicho
rengln; lo cual impide que se tenga una solucin bsica "factible" en esta tabla, por lo que se
procede a conseguir los coeficientes cero faltantes en el rengln Z para las variables artificiales.
Esto se logra mediante operaciones fila elementales usadas en el proceso de Gauss-Jordan, lo que
se muestra en las frmulas en el lado izquierdo de la tabla: Para calcular el cero en W2, se
multiplica el rengln W2 por el nmero -M (inverso aditivo de M) y se suma el rengln Z, sea
(RW2)(-M) + RZ = Z', se tiene as cero en la posicin de Z' con W2. Luego se multiplica el rengln
W3 por el nmero -M y se suma el rengln Z', sea (RW3)(-M) + RZ' = Z'', se determinan as los
coeficientes cero necesarios para que las variables W2 y W3 sean bsicas. Ahora s en esta segunda
tabla, se tiene la primera solucin bsica indispensable para que el algoritmo se inicie con la
aplicacin de los criterios del simplex.
En tercer lugar, ya determinada la solucin de arranque, se aplican los criterios del simplex
empezando con el de optimalidad y considerando que el objetivo es mximo, la observacin de los
indicadores del rengln Z, en esta segunda tabla del Ejemplo 2-2, existe slo un coeficiente
negativo en la variable no bsica de decisin X1, por lo cual se declara variable entrante a la
base
. La aplicacin de la factibilidad resulta al obtener el mnimo cociente, de dividir los
valores actuales de las variables bsicas situados en la columna solucin a la derecha de la tabla,
entre los coeficientes en el mismo rengln i con la columna correspondiente a la variable VE. As:
mnimo (6/1, 0/2, 2/1) = 0, que coincide en el rengln de la variable artificial W 2 que se declara
variable saliente
. En el cruce de la columna X1
y el rengln W2
, se localiza el
coeficiente 2 como pivote P para calcular con Gauss-Jordan la siguiente tabla simplex (tercera) con
la nueva solucin bsica que debe tener a H1, X1 (sustituye a W2) y W3, como base. Se recomienda
al estudiante cuidar la colocacin de las variables en la base, conservando el mismo orden que le
corresponde de tabla a tabla, excepto para la nueva VE que ocupa el lugar de la VS.
En la tercera tabla simplex del ejemplo FACTIRECTA, se repite la aplicacin del criterio de
optimalidad seleccionando entre (-1/2 M - 7/2) y (-1/2 M - 3/2), el coeficiente ms negativo (o lo
equivalente el de mayor valor absoluto) para el objetivo de mximo, entonces se declara a la
variable no bsica X2 como
a la base. Para la factibilidad, vea que el rengln de la variable
bsica X1 queda descartado debido a que 0 / -1/2 no es vlido, en cambio con las otras dos
variables en la base se tiene: Mnimo (6 / 3/2, 2 / 1/2) = 4, existe empate que debe romperse
teniendo en cuenta, la necesidad de procurar una rpida salida de la base de las variables
artificiales, en tal caso se puede elegir a la que ahora, es indeseable variable
bsica W3 como
. En el cruce de columna X2 como VE y rengln W3 como VS, se localiza el
coeficiente pivote 1/2 con el que se inicia el clculo de la siguiente tabla (cuarta) simplex de este
problema ejemplo.
La cuarta tabla simplex comienza por ordenar las tres variables bsicas H1, X1 y la
nueva
X2 que sustituye a la
W3, se contina con el clculo de coeficientes del
rengln RE = RS / P = RS / 1/2 resultando el coeficiente +1 en la posicin de pivote, necesario para
determinar con el Gauss-Jordan el resto de la tabla, que muestra en el lado izquierdo, las frmulas
empleadas de este mtodo.
Esta ltima tabla tiene en el rengln Z, coeficientes indicadores para las variables de valor no
negativo, lo cual significa una solucin ptima pues, adems, todas las variables artificiales ya
salieron de la base.
En la analoga geomtrica de la Figura 1-45se muestra el segmento de recta BC como conjunto
factible y su punto extremo el vrtice C(2,4) con el mximo valor de la funcin Z; pero para el
espacio ampliado que maneja la solucin analtica del simplex, el punto extremo que optimiza
tiene el programa:
Ejemplo 2-3. Aplica mtodo Simplex Penal, PL en mnimo con 3 tipos de restriccin (MINPEN).
Se presenta este nuevo ejemplo de mtodo simplex penal con la solucin de las siguientes tablas,
se deja como ejercicio al estudiante: construir las frmulas para el clculo de los coeficientes de
cada rengln de la tabla con el procedimiento de Gauss-Jordan; la solucin que incluya la
interpretacin geomtrica en un plano de las restricciones e identificarlas, el conjunto de puntos
factibles del sistema, las coordenadas de los vrtices, sus caractersticas y el valor de la funcin
objetivo.
Figura 2-9. Tablas del mtodo simplex penal del ejemplo MINPEN.
Ejemplo 2-4. Aplica mtodo Simplex Penal, PL en mximo con una variable libre (MAXPENLI).
La ltima tabla simplex penal es ptima, pues los indicadores para las variables en rengln Z, no
tienen signo negativo, as se identifica el vrtice que maximiza:
(X'1, X''1, X2, H1, S2, S3, W2, W3 ) = ( 3, 0, 6, 0, 6, 0, 0, 0 ), Z mximo = 33.
La variable X''1 = 0 porque es no bsica; pero X'1 = 3 > 0 = X''1, entonces se asegura un valor
positivo para la original X1 = X'1 - X''1 = 3 - 0 = 3.
Si desea, intente el cambio a objetivo mnimo del mismo ejemplo MAXPENLI, y compruebe que la
solucin simplex, an para toda Xj libre, slo considera puntos vrtice del 1er. cuadrante,
limitndose a toda X j >= 0.
2.5.2. Mtodo Simplex de dos fases.
Este es otra variante del simplex que se aplica para resolver modelos de PL que requieren una
matriz unitaria de base artificial para poder iniciar el algoritmo. El nombre indica que consiste de
dos fases: En la 1, se reducen las artificiales Wi a cero y en tal caso se optimiza en la 2, o bien, se
concluye que no hay solucin factible para el problema porque Wi es diferente de cero en fase 1, y
por lo tanto no es necesaria la fase2.
Primera fase.- En este mtodo siempre se minimiza una funcin objetivo constituida por la suma
de las variables artificiales utilizadas para completar la matriz I:
Las variables artificiales son tiles para formar la primera base del simplex, pero si se logra que
toda Wi=0, entonces Z=0 representa lo deseable u ptimo, pues lo contrario significa un problema
que no tiene solucin factible, en tal caso no aplica la segunda fase. Si todo va bien, las variables
artificiales Wi deben salir de la base, excepto en algn caso degenerado en que Wi=cero, es
bsica, vea en el programa CaVa (prximo a liberarse) los ejemplos Artbs0deg3v4r (16),
Artabs02f (2), Ciclodeg (27). La solucin ptima de fase 1 se identifica, con variables artificiales
cero que implica Z=0 para la funcin.
Segunda fase.- Se contina con sta slo si ocurre la optimizacin del problema en la fase
anterior. Para ello sirve la tabla simplex ptima de la primera, que se ajusta eliminando las
columnas de las variables artificiales Wi; adems, el rengln Z se cambia a los coeficientes de la
funcin Z original. El procedimiento contina con el arreglo de la tabla simplex inicial para cumplir
los requisitos necesarios de una solucin bsica factible; es decir, coeficientes cero para las
variables bsicas en el rengln Z de la tabla. A veces esto es suficiente para lograr el ptimo del
problema; si no es as, se aplican los criterios del simplex para el objetivo original del problema. En
resumen, la fase1 intenta lograr un punto extremo factible; la fase 2, el punto extremo ptimo:
Ejemplo 2-5. Aplica mtodo Simplex Dos Fases, PL mximo y mnimo, 3 tipos de restriccin (MAXMIN2F1).
Este ejemplo MAXMIN2F de aplicacin del mtodo simplex de dos fases, empieza el proceso de
resolucin convirtiendo el modelo original propuesto a su forma estndar y luego para conseguir
una base artificial, al igual que se explic para el ejemplo FACTIRECTA del simplex penal, se
obtiene la misma base artificial; pero la diferencia empieza al tratar las variables artificiales como
sigue:
Primera fase.- Se construye una funcin objetivo Z con la suma de las variables artificiales y se
arregla al formato de restriccin, tal como se muestra antes de las tablas de la primera fase. Se
construye la tabla a partir de las variables bsicas: la holgura H1 y las artificiales W2 y W3,
ordenadas de arriba hacia abajo en la base; el rengln Z, se llena conforme a los coeficientes de la
ecuacin Z - W2 - W3 = 0, escribiendo ceros en los espacios vacos de las variables Xj, las holguras
Hi y las supervit Si; en el mismo rengln Z se ubican los coeficientes -1, caracterstico de las
variables artificiales con el mtodo de dos fases. El resto de los coeficientes de esta primera tabla,
corresponde a la forma estndar ya obtenida. Anote la diferencia respecto al simplex penal:
los coeficientes M de las variables artificiales en rengln Z no se usan, pero s coeficientes -1 en la
primera fase; adems, las artificiales deben aportar el vector columna unitario para la base I;
aunque no cumplen para variable bsica, pues el -1 en el rengln Z debe anularse para el inicio.
Con este propsito se hacen operaciones fila de Gauss-Jordan para conseguir ceros que sustituyan
los coeficientes mencionados. En el lado izquierdo de la primera tabla se escriben las frmulas que
se usan para el clculo de los renglones Z' y Z''; en el ltimo se pueden ver los ceros sustituyendo
los -1. Con el clculo del rengln Z'' se completa la primera solucin bsica de esta primera fase y
se procede a la aplicacin de los criterios del simplex con el objetivo de mnimo; para optimalidad,
se observa que X1 es la nica variable no bsica con coeficiente + en el rengln Z, (recuerde que
con objetivo de mnimo, debe elegirse para VE la que tenga el coeficiente ms positivo), entonces
se declara a X1 como VE a la base. En factibilidad, segn los cocientes a la derecha de la tabla, se
identifica a la variable artificial W2 como saliente (VS) de la base, le toca actuar como pivote al
coeficiente 2 colocado en el cruce de la columna X1 y el rengln W2, recin elegidos con los dos
criterios. Entonces se procede al cambio de base calculando la segunda tabla de la primera fase,
empezando por establecer a las variables bsicas: H1 que se mantiene dentro, la nueva X1 que se
hace bsica, sustituye a W2 que se convierte en no bsica, W3 que tambin permanece en la base.
Se comienza el clculo de la segunda tabla con el rengln RE que se fija como pivote para calcular
el resto de los coeficientes mediante operaciones fila elementales de Gauss-Jordan; en el lado
izquierdo de la tabla se anotan, como gua de clculo, las frmulas para cada fila.
Los coeficientes indicadores en la fila Z, muestran todava nmeros positivos para las variables no
bsicas X2 y S2, lo cual significa que son candidatas para entrar a la base y la necesidad de
continuar la aplicacin del algoritmo; adems, an existe una variable artificial dentro de la base.
Los coeficientes de X2 y S2 estn empatados con valor de 1/2, de acuerdo a la recomendacin dada
antes, de preferir como entrante variables de decisin, as X2 = VE. Aplicando la factibilidad,
tambin se tiene un empate en los cocientes que se presentan a la derecha de la tabla; aqu se
elige a la variable W3 como saliente VS, pues ya se mencion en prrafo anterior, la procuracin
del mtodo para que las artificiales salgan lo ms pronto posible de la base. Con la definicin del
pivote 1/2 y las frmulas a la izquierda, se tiene lo suficiente para calcular la siguiente solucin en
la ltima tabla de la primera fase la cual muestra el valor cero en la columna solucin, esto
significa, que al sacar todas las variables artificiales de la base se anulan y con ello Z = 0. El
resultado confirma que el problema s tiene solucin factible y procede la segunda fase.
Segunda fase.- La ltima tabla de la primera fase sirve para iniciar la primera tabla simplex de la
segunda fase, pero se eliminan las columnas de las variables artificiales W2 y W3; tambin se
eliminan los coeficientes del rengln Z y se sustituyen con los coeficientes de la funcin objetivo
original:
La primera tabla muestra el arreglo de coeficientes mencionado, pero se observa que las variables
bsicas H1, X1, X2, as ordenadas en la columna base, cumplen el requisito de tener su vector
columna unitario para formar la base I, pero no cumplen con el coeficiente cero en el rengln Z
para una bsica, porque se acaban de escribir los coeficientes de la ecuacin original. Con el
propsito de corregir el planteamiento tabular de esta primera tabla se hacen las operaciones fila
necesarias, las que se definen segn las frmulas construidas a la izquierda de la segunda tabla de
esta fase, resultando un rengln Z' para conseguir el coeficiente cero en la variable X1 y un rengln
Z'' para conseguir el cero en la variable X2. Como este rengln Z'' muestra coeficientes indicadores
no negativos, el criterio de optimalidad para mximo que es el objetivo original, ya no se puede
aplicar para elegir variable entrante, los indicadores cero para las variables de decisin X1 y X2,
significan que tales variables ya no pueden aportar ms al valor de Z. En consecuencia, sin
necesidad de aplicar los criterios del simplex en esta segunda fase, ya se tiene la solucin ptima
en el punto extremo:
Este Ejemplo 2-5 ya conocido, con el Ejemplo 2-2 del simplex penal y tambin con el Ejemplo 116 de mtodo grfico, se puede aprovechar para comprobar el potencial del mtodo de dos fases,
pues la tabla ptima de la segunda fase mostrando la solucin de mximo, tambin sirve para el
clculo de la solucin mnima. Los indicadores del rengln Z slo tienen coeficientes cero y uno
positivo (2), ste ltimo coeficiente muestra que es candidata a entrar a la base, la variable no
bsica S2 que se declara VE; con el criterio de factibilidad resulta que debe salir de la base la
variable X2, que se define VS; con el coeficiente pivote 1 se procede al clculo de la solucin de la
ltima tabla que muestra la solucin ptima mnima para el mismo problema con el punto
extremo:
Que coincide en el vrtice B (2, 0) de la analoga geomtrica de la Figura 1-45.
Ejemplo 2-6. Aplica mtodo Simplex Dos Fases, PL mnimo y mximo, 3 tipos de restriccin
(MINMAX2F).
Se presenta este nuevo ejemplo con el mtodo simplex de dos fases y la solucin contenida en las
tablas. Se deja como ejercicio al estudiante: construir las frmulas para el clculo de los
coeficientes de cada rengln de la tabla con el procedimiento de Gauss-Jordan; la solucin que
incluya la interpretacin geomtrica en un plano de las restricciones e identificarlas, el conjunto
de puntos factibles del sistema, las coordenadas de los vrtices, sus caractersticas y la evaluacin
de la funcin objetivo.
Figura 2-12. Tablas simplex de la 1 y 2 fase para mnimo del ejemplo MINMAX2F.
Figura 2-13. Tabla simplex de la 2 fase para mximo del ejemplo MINMAX2F.
Ejemplo 2-7. Aplica mtodo Simplex Dos Fases, PL mnimo y mximo (MAXMIN2F2).
Figura 2-14. Tabla simplex inicial para 1a fase del ejemplo MAXMIN2F2.
Para el lector que as lo prefiera, se presenta ahora la aplicacin del simplex dos fases mostrando
en tablas separadas el progreso del clculo. Como las variables W2 y W3 son bsicas, es necesario
calcularles el coeficiente de valor cero en el rengln Z con las operaciones fila: RW2(1)+RZ;
RW3(1)+RZ.
2 fase.- En la tabla ptima de primera fase se eliminan las columnas W2 y W3; el rengln Z se
sustituye con los coeficientes de la funcin objetivo original. La base contiene a X1 y X2, pero sus
coeficientes indicadores Z1-C1=-3 y Z2-C2=-2 en el nuevo rengln Z deben calcularse para el valor
cero.
Figura 2-16. Simplex inicial 2a fase, eliminar columna Wi sustituir coeficientes en fila Z en ejemplo
MAXMIN2F2.
Se procede con operaciones fila para conseguir que los coeficientes de X1 y X2 en el rengln Z se
anulen: Z'=RX1(3)+RZ; Z''= RX2(2)+ RZ'; resulta la tabla siguiente con el coeficiente indicador
negativo (-7) en S3 de Z. En 2 fase es aplicable el objetivo original de mximo, por lo que S3 debe ir
a la base (VE) para sustituir a H1 (VS), la nica variable bsica que puede dejar su lugar.
Se aprovecha la oportunidad con la flexibilidad del simplex de dos fases, para determinar tambin
la solucin mnima del mismo problema.
Entonces con el objetivo de mnimo, se declara VE a la base, la variable no bsica H1 y la
bsica S3 sale, para dejarle ese lugar.
Figura 2-18. Tabla simplex ptima de 2 fase, para mnimo, ejemplo MAXMIN2F2.
Se identifica en la tabla simplex porque al menos una variable bsica tiene valor cero en la
columna de solucin. Este caso se presenta cuando se valora una solucin bsica no nica, la cual
se tiene con al menos una variable bsica de valor cero en el sistema de m restricciones, alguna de
ellas debe ser restriccin redundante que contiene slo un punto vrtice del conjunto factible.
Ejemplos de caso degenerado, sea tabla ptima o no, son: 2, 16, 27, Ejemplo 1-14, Ejemplo 22, Ejemplo 2-3, Ejemplo 2-5, Ejemplo 2-7 y algo ms en el programa CAVA (prximo a liberarse).
Enseguida otro PL con degeneracin transitoria en tabla intermedia.
Ejemplo 2-8. Caso de solucin degenerada transitoria en tabla Simplex y su grfico (MAXDETRA).
Figura 2-19. Grfico solucin degenerada en vrtice F (2, 0) no nico, ejemplo MAXDETRA.
Figura 2-20. Tablas simplex que muestran el caso especial solucin degenerada transitoria del ejemplo
MAXDETRA.
Ejemplo 2-10. Caso de solucin ptima con espacio factible abierto, en Simplex y en grfico
(MAXABOP).
Con el PL de:
Figura 2-24. Espacio factible abierto, con solucin ptima, ejemplo MAXABOP.
Figura 2-26. Soluciones ptimas alternas en segmento AC del conjunto factible, ejemplo MAXOPAL.
Se puede ciclar con cambios de base entre estas dos soluciones ptimas alternas.
Tambin mltiples puntos P contenidos en el segmento recto AC, optimizan la funcin Z. Por
ejemplo: Obtenga un punto P que sea combinacin convexa lineal (CCL) entre los puntos A (0, 3) y
C (7/3, 7/3). Despus calcule Z en ese punto P.
Figura 2-28. Tablas simplex, variable artificial W2 en base que no se anula en el ejemplo MAXNOFAC.
En donde:
C: es un vector rengln de coeficientes de la funcin objetivo primal.
b: es un vector columna de trminos independientes de restricciones del primal.
A: es una matriz de coeficientes tecnolgicos de restricciones del primal.
X: es un vector columna de variables del primal.
T: es la transpuesta del vector o matriz.
Y: es un vector columna de variables duales.
Con excepcin de X e Y, los vectores y matrices en ambos problemas son los mismos, pero debe
cuidarse el orden del arreglo vectorial atendiendo la transposicin T indicada. El siguiente ejemplo
primal en forma cannica de mximo, se maneja matricialmente para obtener el problema dual,
que debe coincidir con la forma cannica dada para el dual.
Al revisar las formas cannicas se observa: El producto bT Y requiere vectores conformables, as a
cada restriccin primal corresponde una variable dual. Por lo mismo, debido a CX, a cada variable
primal le corresponde una restriccin dual.
Ejemplo 2-13. Dual asociado a un PL primal en forma cannica de mximo (MAXCAN1).
Para el dual, los coeficientes del ejemplo se arreglan en sus vectores como sigue:
Ejemplo 2-15. Dual asociado a un PL primal que no tiene forma cannica (MINDULI).
Primero se convierte algebraicamente a la forma cannica el problema primal.
Figura 2-30. Tabla con reglas de correspondencia para obtener el dual directo del primal.
Las caractersticas del problema primal se identifican segn el objetivo mximo o mnimo, en
columna izquierda o derecha respectivamente, de la tabla; las caractersticas del problema dual
se leen en la otra columna.
Ejemplo 2-16. Dual directo de un problema primal no cannico de objetivo mnimo (MINDULI2).
El primal del Ejemplo 2-16 es de mnimo, entonces se coloca en columna derecha para identificar
la condicin de sus variables y tambin el tipo de restricciones. En el mismo rengln, pero en la
otra columna, lea lo que corresponde al dual.
Dual Directo
Problema dual.
Primera parte.- Definicin de variables duales.
La funcin objetivo dual significa la cantidad mnima de dinero que se debe recuperar de la
materia prima, en caso de tener que parar la produccin de fertilizantes; cada trmino de dicha
funcin representa la contribucin de los componentes N, P, K, en la venta total. Cada trmino
de las restricciones duales significa la contribucin ($) de los componentes qumicos i, a la
utilidad de una tonelada de fertilizante j.
Los componentes qumicos tienen valor para la empresa debido a que representan la oportunidad
de tener utilidad. Para conseguirlo debe buscar la combinacin ms redituable de manera que el
valor marginal de unidades adicionales de recurso sea mnimo.
Por esto, tambin se puede interpretar la funcin objetivo dual, como representacin del valor
mnimo de los recursos N, P, K, utilizados en la produccin de fertilizante. En cuanto a las
restricciones, cada una de ellas se relaciona con la utilidad del fertilizante j (j = 1,2 ) en unidades
monetarias $ / tonelada de i ( i = N, P, K ). La desigualdad >= utilidad $ / tonelada de fertilizante j,
verifica que el valor de recursos consumidos en una tonelada de j, sea por lo menos igual a la
utilidad del mismo.
2.7.4. Propiedades primal-dual.
Dualidad dbil.- En el problema de PL, cualquier par X e Y de soluciones factibles primal-dual,
cumple que:
Dualidad fuerte.- Al resolver el problema de PL en cada iteracin del simplex se tiene un par
especfico de soluciones en ambos problemas primal-dual, de modo que, la del primal es
factible pero la del dual es no factible, con excepcin de la ltima iteracin, en la que la solucin
ptima primal X* y la solucin ptima dual Y* resulta en:
Si X no es ptima en el problema primal, entonces Y no es factible en el dual.
Soluciones complementarias.- Al resolver un problema de PL, en cada iteracin del simplex se
identifica, una solucin bsica factible primal X y una solucin complementaria Y para el dual,
conocida como "Variables Duales" o "Precios Sombra" o "Multiplicadores del Simplex", ubicada en
rengln Z de la tabla como coeficientes de las variables que forman la primera solucin bsica,
(holguras y / o artificiales).
Soluciones complementarias ptimas.- Con la solucin ptima, al final del simplex se tiene, la
solucin primal X* y una ptima complementaria dual Y*, en el rengln Z, como coeficientes de las
variables de holgura y/o artificiales que forman la primera solucin bsica, ("Precios Sombra" o
"Variables Duales" o "Multiplicadores del Simplex").
Propiedad de simetra.- La denominacin de primal es para el primer problema, pues el dual de un
problema dual debe resultar en el mismo primal por las relaciones simtricas entre ellos. El
estudiante puede comprobar esta y otras propiedades analizando las tablas del simplex aplicado
al Ejemplo 2-1 como primal y luego a su problema dual.
Ejemplo 2-19. Aplica propiedades primal-dual al problema MAXCAN1.
Las tablas de la Figura 2-31siguiente son para aclarar las propiedades primal-dual ya expuestas,
vea tablas simplex del Ejemplo 2-1 (Figura 2-7). En la segunda tabla simplex, X =(X1, X2)T =(0, 6)T, es
factible en el primal con Z=CX=(3,5)(0,6)T=30; pero la solucin dual dada por los precios sombra: Y
= (0, 5/2, 0) viola la restriccin Y1 + 3Y3 >=3; 1(0)+3(0) >= 3, por lo tanto, no es factible, (vea la
propiedad de soluciones complementarias). En cambio, en la tercera tabla simplex del mismo
ejemplo, se tiene X*=(X1,X2)T=(2, 6)T, es factible y ptimo en primal con Z=CX=(3,5)(2,6)T= 36;
adems, la solucin complementaria en Z, los precios sombra Y*=(Y1,Y2,Y3)=(0,3/2,1) verifican las
restricciones duales: Y1+3Y3 =1(0)+3(1) >=3, 2Y2+2Y3 =2(3/2)+2(1) >=5, por lo tanto el dual es
factible y ptimo.
El simplex en ambos problemas primal y dual, contiene dos programas: por un lado el primal X* y
su complementario dual Y*; por otro lado, en forma relativa, el dual Y* y el
complementario primal X*. Esto se aclara en resumen tabular:
Figura 2-36. Teorema de dualidad. Solucin factible no acotada, problema primal del ejemplo MAXTEDU2.
Figura 2-37. Teorema de dualidad. Solucin no factible, problema dual del ejemplo MAXTEDU2.
Ejemplo 2-22. Interpretacin geomtrica del TEOREMA DE DUALIDAD. Sin solucin factible
(MAXMINTEDU).
Teorema de dualidad.- c) Si el problema primal no tiene solucin factible, entonces el problema
dual no es factible, o bien, c') la funcin objetivo no est acotada.
Figura 2-38. Teorema de dualidad. No hay solucin factible problema primal para mximo, ejemplo
MAXMINTEDU.
Figura 2-39. Teorema de dualidad. No hay solucin factible problema dual para mnimo, ejemplo
MAXMINTEDU.
Figura 2-40. Teorema de dualidad. No hay solucin factible problema primal para mnimo, ejemplo
MAXMINTEDU.
Figura 2-41. Teorema de dualidad. Solucin no acotada del problema dual para mximo, ejemplo
MAXMINTEDU.
2.8.8. Aplicacin simplex con programa CAVA u otro software a ejercicios del captulo I.
Resuelva con el programa CaVa o algn software del mtodo simplex, los ejercicios del captulo 1:
1.1, 1.2,.....,1.11.
B.2.8. Aplicacin simplex con programa CAVA u otro software a ejercicios del captulo I.