MTODO SIMPLEX

Mtodo algebraico para resolver problemas de programacin lineal, desarrollado por George Dantzig en 1947.
Se basa en la definicin geomtrica de la solucin grfica que dice que la solucin ptima se encuentra en un
punto extremo, el algoritmo es iterativo, y pasa de un punto extremo a otro adyacente siempre y cuando
represente una mejora para la solucin y no sea el punto extremo anterior.
Procedimiento:
1. Convertir el modelo a la forma estndar. Agregar las variables de holgura, exceso y/o artificiales.
2. Obtener la solucin bsica inicial factible. Sea n la cantidad de variables y m la cantidad de ecuaciones,
hacer (n-m) variables cero que formarn el conjunto de variables no bsicas, las m variables restantes
sern las variables bsicas. Por lo general, como variables no bsicas se seleccionan las variables del
problema y las variables de exceso, de tal manera que el valor de las variables bsicas se obtiene
fcilmente. Ejemplo.
Max. Z=c1x1+c2x2+0x3+0x4+0x5
s.a:
a11 x1+a12x2+x3
= b1
a21 x1+a22x2
+x4
= b2
a31 x1+a32x2
+x5 = b3
x1,x2,x3,x4,x50

X1 y x2 son las variables del problema

X3,x4 y x5 son variables de holgura.
n = 5 y m =3. (n-m)=2
x1=0 y x2=0 (variables no bsicas)
sustituyendo en las restricciones,
x3=b1; x4=b2; x5=b3 (variables bsicas)

3. Construir la tabla inicial de la siguiente forma:

Bsicas X1 X2 X3 X4 X5 Solucin
Z
-c1 -c2 0
0
0
0
X3
a11 a12 1
0
0
b1
X4
a21 a22 0
1
0
b2
X5
a31 a32 0
0
1
b3

Solucin factible inicial: x1=0; x2=0

X3=b1
X4=b2
X5=b3

4. Estudiar la optimidad de la solucin actual aplicando la condicin de optimidad. Si la solucin no es ptima

pasar al paso 5, de lo contrario, la solucin actual es la solucin ptima.
Condicin de optimidad: Si el problema es de maximizar (minimizar) la solucin es ptima si todos los
coeficientes de Z son no negativos (no positivos) de lo contrario, se debe encontrar la nueva solucin, para
ello se seleccin la variable no bsicas con el coeficiente ms negativo (positivo) para que entre a formar
parte de las variables bsicas.
5. Determinar la variable que sale del grupo de las variables bsicas para formar parte del conjunto de
variables no bsicas, aplicando la condicin de factibilidad.
Condicin de factibilidad: Para el problema de maximizacin y minimizacin, la variable que sale del
conjunto de las bsicas actuales es aquella que presente la razn mnima entre los elementos de la
columna de soluciones y los elementos de la columna de la variable que entra, despreciando los elementos
cero o negativos. Los empates se rompen arbitrariamente.

Profa. Judith Devia

UDO-MONAGAS

6. Determinar los nuevos valores haciendo la variable que entra bsica y la que sale no bsica, aplicando el
mtodo de Gauss-Jordan se realiza un cambio de base empleando las siguientes operaciones:
1. Ecuacin Pivote: EPN = EP / P
Donde:
EPN: Ecuacin Pivote Nueva (ecuacin de la variable que entra, ocupa de la EP.
EP : Ecuacin Pivote (ecuacin de la fila que sale)
P: Pivote (elemento de la interseccin entre la columna entrante y la fila que sale)
2. Para el resto de ecuaciones incluyendo Z. EN = EA CCE* EPN)
Donde:
EN: Ecuacin Nueva
EA: Ecuacin Anterior
CCE: Coeficiente de la columna entrante
EPN: Ecuacin Pivote Nueva
Ir al paso 4.
USO DE VARIABLES ARTIFICIALES
Cuando el modelo de programacin lineal presenta todas las restricciones con el operador las variables de
holguras permiten obtener una solucin inicial factible a simple vista, esto no ocurre cuando se tienen en las
restricciones el operador = y/o , en estos casos es necesario agregar variables artificiales que funcionen
como variables de holguras ofreciendo la solucin inicial factible necesaria. Por ejemplo:

Modelo de PL
Max. Z=c1x1+c2x2
s.a:
a11 x1+a12x2 = b1
a21 x1+a22x2 b2
a31 x1+a32x2 b3
x1,x2 0
(a)

Forma estndar (FE)

Max. Z=c1x1+c2x2+0s2+0s3
s.a:
a11 x1+a12x2
= b1
a21 x1+a22x2 + s2 = b2
a31 x1+a32x2 s3 = b3
x1,x2,s2,s30
(b)

FE con variables artificiales

Max. Z=c1x1+c2x2+0s2+0s3
s.a:
a11 x1+a12x2 + R1
= b1
a21 x1+a22x2
+ s2
= b2
a31 x1+a32x2 s3
+R3 = b3
x1,x2,s2,s3,R1,R20
(c)

El modelo se muestra en la figura (a) y tiene los tres tipos de operadores que se pueden presentar, en la figura
(b) se agregan las variables de holgura y de exceso necesarias, en este caso se tienen 4 variables (n) y 3
ecuaciones (m), se tienen que (n-m)=1 , slo una variable se debe hacer cero, lo que no conduce cmodamente
a una solucin inicial, es ms puede llevar a una solucin infactible (que una o ms variables tomen valores
negativos). En la figura (c) se agregan las variables artificiales donde no se tienen variables de holgura, en la
primera y tercera restriccin, en este caso se tiene 6 variables y 3 ecuaciones lo que implica que se deben hacer
cero tres variables, haciendo cero las variables del problema y las de exceso se tienen la solucin inicial factible
donde las variables bsicas son R1,s2 y R3.
Para resolver problemas que requieran variables artificiales existen dos tcnicas:
1.- Penalizacin, comnmente conocido como tcnica M.
2.- Dos fases
Profa. Judith Devia
UDO-MONAGAS

Tcnica M: Consiste en penalizar las variables artificiales en la funcin objetivo, colocando un coeficiente M,
cuyo valor es positivo y muy grande, asignndoles un signo que impida que sean candidatas para entrar una
vez que sean variables no bsicas. Si el problema es de maximizar (minimizar) se les debe asignar en la funcin
objetivo el signo menos (positivo). Como en la tabla inicial las variables artificiales son bsicas, ellas deben
tener coeficientes cero en la funcin objetivo. Esto se logra al despejar de las restricciones las variables
artificiales en funcin de las variables no bsicas y sustituirlas en la funcin objetivo. Siguiendo el ejemplo, Z
cambia a:
Despejando las variables artificiales
R1 = b1 - a11 x1 - a12x2
R3 = b3 - a31 x1- a32x2 + s3
Sustituyendo en z
Z=c1x1+c2x2+0s2+0s3 M(b1 - a11 x1 - a12x2)-M(b3 - a31 x1- a32x2 + s3)
Z=(c1-a11M-a31M)x1+(c2-a12M-a32M)x2+0s2-Ms3 (b1+b3)M
El modelo aplicando tcnica M, queda:
FE con variables artificiales (Tcnica M)
Max. Z=(c1-a11M-a31M)x1+(c2-a12M-a32M)x2+0s2-Ms3 (b1+b3)M
s.a:
a11 x1+a12x2 + R1
= b1
a21 x1+a22x2
+ s2
= b2
a31 x1+a32x2 s3
+R3 = b3
x1,x2,s2,s3,R1,R20
Para resolver se aplica el algoritmo del mtodo simplex.
Tcnica de dos fases: La tcnica M presenta el problema de posible error de redondeo en los clculos al asignar
un valor muy grande a M, la tcnica de dos fases resuelve este problema. En este mtodo se agregan las
variables artificiales pero se elimina el uso de la constante M, el problema se resuelve aplicando las siguientes
fases:
Fase I: Se forma una nueva funcin objetivo que busca minimizar la suma de las variables artificiales (en el
ejemplo Min. r=R1+R3), sujeta a las restricciones del problema original con las variables artificiales agregadas.
Aplique el algoritmo del mtodo simplex. Si la nueva funcin objetivo (r) alcanza el valor de cero, el problema
tienen un espacio de solucin factible y se pasa a la fase II. De lo contrario, si el mnimo de la funcin tiene un
valor positivo, el problema no tiene solucin factible.
Fase II: Utilice la solucin bsica ptima obtenida en la fase I como solucin inicial para el problema original.
Esto significa que se debe utilizar el rea de las restricciones de la solucin obtenida en la fase I, pero con la
funcin objetivo original modificada, ya que las variables del problema original pueden ser bsicas en esa
solucin y por definicin estas no pueden tener coeficiente diferente de cero en la funcin objetivo. Para esto
se deben extraer las restricciones de la solucin de la fase I, luego se despejan las variables bsicas actuales
que pertenezcan a z y por ltimo se sustituyen en la funcin objetivo, expresando z en funcin de las variables
no bsicas. Para resolver se aplica el algoritmo del mtodo simplex.

Profa. Judith Devia

UDO-MONAGAS