Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
simplex: variables de
excedente y artificiales.
Minimización
Investigación
Operativa
1
Variables de excedente
Recuerda que el primer paso para resolver un problema de programación
lineal es convertir las desigualdades en igualdades utilizando variables de
holgura siempre que las restricciones sean de menor o igual (<=). Y lo
hicimos sumando estas variables al primer miembro de la inecuación. ¿Qué
sucedería si las inecuaciones fueran de >=?
Ejemplo:
Si las restricciones de una problema de PL son:
𝟐𝒙𝟏 + 𝟓𝒙𝟐 ≤ 𝟐𝟎𝟎;
𝒙 + 𝟏𝟎𝒙𝟐 ≥ 𝟖𝟎;
{ 𝟏
𝒙𝟏 ≥ 𝟎;
𝒙𝟐 ≥ 𝟎.
La primera desigualdad se transforma en igualdad añadiendo una variable
de holgura, que llamaremos s₁ (tal como vimos en la lectura anterior); por
tanto, nos queda la ecuación:
𝟐𝒙𝟏 + 𝟓𝒙𝟐 + 𝒔𝟏 = 𝟐𝟎𝟎.
La segunda desigualdad se convierte en ecuación restando una variable de
excedente, que denominamos s₂;la ecuación queda:
𝒙𝟏 + 𝟏𝟎𝒙𝟐 − 𝒔𝟐 = 𝟖𝟎.
La variable de excedente s₂representa la diferencia entre: x₁ + 10x₂ y 80.Si
esta diferencia es cero, entonces: s₂ = 0. Si esta diferencia es distinta a
cero, será necesariamente positiva;por lo que s₂>0, pues la desigualdad es
mayor que cero.
Variables artificiales
Las variables artificiales se utilizan en el método simplex
sólo como auxiliares para identificar una solución factible
básica inicial para el problema. Estas variables son
necesarias cuando un problema contiene restricciones de
2
mayor que o igual a (>=) y de igualdad (=). Las variables
artificiales se utilizan para completar la matriz identidad, y
de esta manera permitir una solucion inicial. (Davis y
McKeown , 1995, p. 155).
Un caso de minimización
Antes, queremos aclarar que –no solamente– las variables de excedente y
artificiales se utilizan en problemas de minimización. Simplemente, en este
tipo de problemas, se utilizan con mayor frecuencia.
Por otro lado, tienes que tener en cuenta dos cuestiones para un problema
de minimización.
1)La prueba de optimalidad cambia: el proceso de solución continúa hasta
que todos los valores de la fila de los indicadores sean negativos.
2) La variable entrante que se elige es la que tiene el valor positivo más
grande en la fila de los indicadores.
Para fijar conceptos, te proponemos resolver,mediante el método simplex,
el mismo problema resuelto en el Módulo 1 por el método gráfico.
3
𝒙𝟏 + 𝒙𝟐 ≥ 𝟕𝟕𝟎𝟎;
𝒙𝟏 ≥ 𝟐𝟕𝟓𝟎;
Minimizar: Z= 3.x₁ + 2.x₂; sujeta a las restricciones: {
𝒙𝟏 ≥ 𝟎 ;
𝒙𝟐 ≥ 𝟎 .
Resolución mediante el método simplex
1) Convertimos las desigualdades en igualdades.
Como en las restricciones de >= restamos variables de excedente, a la vez,
para poder encontrar una solución factible básica inicial, sumaremos
simultáneamente variables artificiales que llamaremos A (en el texto de la
bibliografía básica, figura como R; hay distintas notaciones en los textos
consultados, en esta lectura adoptaremos A).
𝒙𝟏 + 𝒙𝟐 − 𝒔𝟏 + 𝑨𝟏 = 𝟕𝟕𝟎𝟎 ;
{ 𝒙𝟏 − 𝒔𝟐 + 𝑨𝟐 = 𝟐𝟕𝟓𝟎;
𝒙𝟏 ; 𝒙𝟐 ; 𝒔𝟏 ; 𝒔𝟐 ; 𝑨𝟏 ; 𝑨𝟐 ≥ 𝟎.
¡Importante!
Cuando se introducen las variables de holgura o de excedente a la
función objetivo, se lo hace con coeficientes cero. Por lo tanto, no
afectan el valor de la función objetivo.
Pero a las variables artificiales se las introduce con coeficientes grandes,
justamente para que el mismo método las expulse;pues no tienen
sentido en la función objetivo, ya que existen por una cuestión
meramente algebraica.
Z= 3x₁+2x₂+0s₁+0s₂+200A₁+200A₂.
4
El coeficiente de las variables artificiales es positivo en los casos de
minimización y es negativo en los casos de maximización.
Z- 3x₁-2x₂+0s₁+0s₂-200A₁-200A₂=0.
Básica Z x₁ x₂ s₁ s₂ A₁ A₂ Solución
Z 1 -3 -2 0 0 -200 -200 0
A₁ 0 1 1 -1 0 1 0 7700
A₂ 0 1 0 0 -1 0 1 2750
5
Observa que, si multiplicamos la fila 2 de la tabla por 200, le sumamos la 1
y sustituimos la fila 1 por el resultado de esta operación, el coeficiente -200
queda en cero.Lo mismo hacemos con la fila 3 para anular el coeficiente de
A₂. Así nos queda la tabla: sumamos, a la fila 1, la segunda previamente
multiplicada por 200.
Básica Z x₁ x₂ s₁ s₂ A₁ A₂ Solución
A₁ 0 1 1 -1 0 1 0 7700
A₂ 0 1 0 0 -1 0 1 2750
Básica Z x₁ x₂ s₁ s₂ A₁ A₂ Solución
A₁ 0 1 1 -1 0 1 0 7700
A₂ 0 1 0 0 -1 0 1 2750
6
Tabla 4: Tabla simplex: paso 1 de resolución del probema de
minimización
Básica Z x₁ x₂ s₁ s₂ A₁ A₂ Solución
A₁ 0 0 1 -1 1 1 -1 4950
x₁ 0 1 0 0 -1 0 1 2750
Básica Z x₁ x₂ s₁ s₂ A₁ A₂ Solución
x₂ 0 0 1 -1 1 1 -1 4950
x₁ 0 1 0 0 -1 0 1 2750
7
Referencias
Davis, K., y McKeown, P.(1995).Capítulo 2: Introducción a los modelos de
programación lineal. En K. Davis y P. McKeown, Modelos cuantitativos para
administración (pp 23-61). Grupo Editorial Iberoamérica. México.