Casos

Especiales
Del Mtodo Simplex
DOCENTE:

Arq. Lucila Aguilar Rivero

INTEGRANTES:

Arzpalo Alcocer Jess A.

Chay Tun Rodrigo Rene
Uc Caamal Carlos Alberto
INGENIERA INDUSTRIAL 3 A
19-04-16

Casos especiales en la aplicacin del

mtodo simplex
Consideraremos casos especiales que pueden
presentarse en la aplicacin del mtodo
simplex, entre los que se encuentran:

Degeneracin.

Opciones ptimas.

Soluciones no acotadas.

Soluciones inexistentes (o infactibles).

Degeneracin
En la aplicacin de la condicin de factibilidad,
una coincidencia de la razn mnima se debe
descomponer en forma arbitraria para los fines
de determinar la variable que sale. Cuando
suceda esto una o ms veces de las
variablesbsicas, ser necesariamente igual a
cero en la siguiente iteracin. En este caso,
decimos que la nueva solucin es degenerada.

EJEMPLO NO. 1:
Maximizar z = 3x1 +9x2
Sujeto a
x1+4x28
x1+2x24
x1,x20

Tresrectascruzaneloptimo.Comosteesunproblemabidimensional,sedicequeelpuntoesta
msquedeterminado(osobre determinado),yaquesolonecesitamosdosrectaspara
identificarlo.Porestemotivo,concluimosqueunadelasrestriccionesesredundante.
Desafortunadamentenoexistentcnicasconfiablesparaidentificarrestriccionesredundantes
directamenteapartirdelatabla.

Desdeelpuntodevistaterico,ladegeneracintienedosimplicaciones.Laprimeratienequever
con el fenmeno delciclaje o reciclaje. Si se observan las iteraciones 1 y 2 el l valor de la funcin
objetivonohamejorado(z=18).
Por lo tanto, es posible, en trminos generales, que el procedimiento simplex repetira lamisma
sucesindeiteraciones,sinmejorarnuncaelvalordelafuncinobjetivoniponerfinalosclculos.
Elsegundopuntotericosepresentaenelexamendelasiteraciones1y2.Ambasiteraciones,pesea
diferir en la clasificacin de las variables como bsicas y no bsicas, producen valores idnticos de
todaslasvariablesyelvalordelafuncinobjetivo,esdecir,
x1 = 0, x2 = 2, x3 = 0, x4 = 0, z = 18
Por lo tanto, se genera un argumento relacionado con la posibilidad de suspender los clculos en la
iteracin 1 (cuando aparece la degeneracin), aunque no es ptima. Este argumento no es vlido
porque,engeneral,unasolucinpuedesertemporalmente degenerada.

EJEMPLO 2:

Ejemplo
MaximizarZ = 2x1+ x2
S.A.
4x1+3x2#12
4x1+x2#8
4x1+x2#8
xj0 (j =1,2)
En forma estndar e igualando a cero lafuncin objetivo

MaximizarZ -2x1- x2 =0
S.A.
4x1+3x2+x3=12
4x1+x2+x4=8
4x1+x2+x5=8
xj0 (j =1, 2, 3, 4,5)

Primera tabla simplex.Construyendolatabla inicial simplex.

Segunda tabla simplex.Solucin degeneradaporque lavariable bsicaX tiene un valor de cero.

Tercera tabla simplex.Solucin ptima no-degenerada.

Solucin optima no-degenerada:

X =3/2
X =2
Valor ptimo de lafuncin objetivoZ=5
1

OPCIONES OPTIMAS:
Cuandolafuncinobjetivoesparalelaaunarestriccindeenlace(osea,unarestriccinque
sesatisfaceenelsentidodelaigualdadatravsdelasolucinptima),lafuncinobjetivotomara
elmismo valor optimoen ms de un punto de solucin. Por esta razn reciben el nombre
deopciones optimas.
Ejemplo No. 1: (Infinidad de soluciones)
Maximizar z = 2x1 + 4x2
Sujetoa
x1+x25
x1+x24
x1,x20

Entrminosalgebraicossabemosqueelmtodosimplexescapazdeencontrar
solucionesenpuntosextremosexclusivamente.

Como es de esperarse, el mtodo simplex slo determina los puntos extremos B y C.

Matemticamentepodemosdeterminar todoslospuntos(x1,x2),delsegmentoderectaBC,
como un promedio ponderado no negativo de los puntos B y C. Esto es, dada la relacin
01y
B:x1=0,x2=5/2
C:X1=3,x2=1

EJEMPLO 2:

Ejemplo.
MaximizarZ= 4x1+ 14x2
S.A.
2x1+7x2#21
7x1+2x2#21
xj0 (j =1,2)
En forma estndar e igualando a cero lafuncin objetivo.
MaximizarZ-4x1-14x2 =0
S.A.
2x1+7x2+x3=21
7x1+2x2+x4=21
xj0 (j =1, 2, 3, 4)

Primera tabla simplex.Construyndo latabla inicial simplex.

Segunda tabla simplex. Primerasolucin ptima.

Tercera tabla simplex. Segundasolucin ptima

Conclusin:

Se trata de un problema desoluciones ptimas multiples.

Primera solucin ptima
X1=0
X2=3
Valor ptimo deZ = 42
Segunda solucin ptima
X1=7/3
X2=7/3
Los problemas
consoluciones
Valor ptimo
deZ
= 42ptimas multiplesse identifican, si al obtener lassolucin ptimase presenta:

a) Una de lasvariables no-bsicastiene un coeficiente cero en el rengln de lafuncin objetivo.

b) Al menos uno de los coeficientes de la columna identificada en el inciso (a) es positivo.
c) Otrasolucin ptimaes generada introduciendo a la base a la variable identificada en el inciso (a) y procediendo con la aplicacin
delalgoritmo del mtodo simplex.

SOLUCION NO ACOTADA

En algunos modelos de programacin lineal los valores de las variables se pueden aumentar
en forma indefinida sin violar ninguna de las restricciones, lo que significa que el espacio de
soluciones es no acotado cuando menos en una direccin. Como resultado, el valor de la
funcin objetivo puede crecer (caso de maximizacin) o de crecer (caso de minimizacin) en
forma indefinida. En este caso decimos que el espacio de soluciones y el valor "ptimo" de la
funcin objetivo son no acotados.

La falta de explicacin en un modelo puede sealar solo una cosa: el modelo est mal
construido. Evidentemente resulta irracional hacer que un modelo produzca una ganancia "
infinita". Las irregularidades mas probables en estos modelos son: 1) N ose toman en cuenta
una mas restricciones redundantes, y 2) No se determinan correctamente los parmetros
( constantes ) de algunas restricciones.

La regla general para reconocer la falta de acotacin es la siguiente. Sien cualquier iteracin
los coeficientes de las restricciones de una variable no bsica son no positivos, entonces el
espacio de soluciones no esta acotado en esa direccin. Adems, si el coeficiente de la funcin
objetivo de esa variable en el caso de la maximizacin o positivo en el caso de la
minimizacin, entonces el valor de la funcin objetivo tampoco esta acotado.

Ejemplo No. 1: (Funcin objetivo no acotada)

Maximizarz=2x1+x2
Sujeto a
x1-x210
2x140
x1,x20

Iteracininicial

Enlatablainicialx1yx2sonloscandidatosparaentrarenlasolucin.Comox1tieneelcoeficiente
ms negativo. Normalmente se selecciona como la variable que entra. Sin embargo, ntese
quetodos loscoeficientesdelasrestriccionespordebajodex2sonnegativosocero,estosignifica
que x2se puede hacer crecer en forma indefinida sin quese infrinjaningunadelasrestricciones.
Comocadaincrementodeunaunidadenx2,aumentarzen1,unincrementoinfinitoenx2tambin
darlugaraunincrementoinfinitoenz.Porlotanto,concluimosqueelproblemanotienesolucin
acotada. Este resultado se puede apreciar en la figura 3-6. El espacio de soluciones no est
acotadoenladireccindex2yelvalordezpuedecrecerenformaindefinida.

EJEMPLO 2:

Ejemplo:Problema consolucin ptimano-acotada, siempre existir una

mejor solucin.
MaximizarZ = 2x1+ x2
S.A.
x1-x2#10
2x1-x2#40
xj0 (j =1,2)
En forma estndar e igualando a cero lafuncin objetivo
MaximizarZ -2x1- x2=0
S.A.
x1-x2+x3=10
2x1-x2+x4=40
xj0 (j =1, 2, 3, 4)

Primera tabla simplex.Construyendolatabla inicial simplex.

Segunda tabla simplex.

Tercera tabla simplex.Solucin ptima no-Acotada

Conclusin:
En esta solucin se puede definirvariable entrantepero ya novariable salienteporque siempre
existir una mejor solucin, si esto sucede se concluye que se trata de un problema desolucin
ptima no-acotada.

SOLUCION INFACTIBLE

Si las restricciones no se pueden satisfacer en forma simultanea, se dice que el modelo

no tiene solucin factible. Esta situacin nunca puede ocurrir si todas las restricciones
son del tipo (suponiendo constantes no negativas en el segundo miembro) ya que la
variable de holgura produce siempre alguna solucin factible. Sin embargo, cuando
empleamos los otros tipos de restricciones, recurrimos al uso de variables artificiales
que, por su mismo diseo, no ofrecen una solucin factible al modelo original. Aunque
se toman medidas (a travs del uso de la penalizacin) para hacer que las variables
artificiales sean cero en el nivel ptimo, esto slo puede ocurrir si el modelo tiene un
espacio factible. Si no lo tiene, cuando menos una variable artificial serpositivaen la
iteracin ptima. Esta es nuestra indicacin que el problema no tiene solucin factible.

Desde el punto de vista practico un espacio infactible apunta a la posibilidad de que el

modelo no se haya formulado correctamente en virtud de que las restricciones estn
en conflicto. Tambin es posible que las restricciones no estn destinadas a cumplirse
en forma simultanea, en este caso, quina se necesite una estructura del modelo
totalmente deferente que no admita todas las restricciones al mismo tiempo.

Ejemplo No. 1, de espacio de solucin infactible

Maximizarz=3x1+2x2
Sujeto a
2x1+x22
3x1+4x212
x1,x20

Las iteraciones simplex de la tabla 3-4 muestran que la variable artificial R es positiva (= 4) en
la solucin ptima. Esta es una indicacin de que el espacio de soluciones es infactible. La
figura 3-7 muestra el espacio de soluciones infactible.
El mtodo simplex, haciendo posible que la variable artificial sea positiva, ha invertido en
esencia la direccin de la desigualdad de 3x1+ 4x2 12 a 3x1 + 4x2 12. El resultado lo
podemos llamar la solucin pseudoptima, como se muestra en la figura 3-7.

EJEMPLO 2:

Ejemplo.
MaximizarZ= 3x1+ 2x2
S.A.
2x1+x2#2
3x1+4x212
xj0 (j =1,2)
Resolviendo por elMtodo Penal
Obteniendo la forma estndar, igualando a cero lafuncin objetivoy
penalizando lafuncin objetivo.
MaximizarZ-3x1-2x2 +M W1=0
S.A.
2x1+x2+x3=2
3x1+4x2-x4+W1=12
xj0 (j =1, 2, 3, 4)

Primera tabla. Construyndo latabla inicial

Conclusin:
Se trata de unproblema de no-existencia de
soluciones.
Segunda tabla simplex.
Generando la tabla inicial bsica.

Los problemas conno-existencia de solucionesse

identifican, si al obtener lassolucin ptima, por el
mtodo penal, se presenta:

Tercera tabla simplex. Obteniendo lasolucin ptima

a) Una o ms de lasvariables artificiales es bsica, con un valor diferente de cero.

b) El valor ptimo de lafuncin objetivo(Z) tiene unaM.
c) Si se presenta uno o los dos incisos anteriores se concluye que se trata de un caso especial del mtodo simplex deno-existencia de
soluciones.

Para el caso que nos ocupa se identifica:

a) La variable artificialW = 4es bsica con unvalor diferente de cero.

1

b) En el valor ptimo de la funcin objetivoZ = -4M+4aparece un coeficienteM.

c) Por lo que se trata de un caso especial delmtodo simplexdeno-existencia de soluciones.

FUENTES DE INFORMACIN:

http://148.204.211.134/polilibros/portal/polilibros/P_Termina
dos/InvOperChave/Documentos/Unidad4/UNIDAD42.htm

http://148.204.211.134/polilibros/portal/polilibros/P_Terminados/
InvOper1Virg/InvOperac/UMD/Unidad
%204/Ejercicios/ejercicios4_1al4_6.htm