Variantes del método

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 >=?

Si la inecuación contiene el signo de >=, debe recurrirse a una variable de

excedente. Esta se resta al primer miembro de la inecuación.

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.

Tanto las variables de holgura como las de excedente son mayores o

iguales a cero;en caso contrario, se violarían una o más desigualdades
originales.

En este modelo modificado, se tiene un sistema de ecuaciones con más

variables que igualdades. Recuerda el análisis que hicimos en La lectura 1.
El sistema sigue teniendo n-m variables no básicas.

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).

Lo que debe quedar claro es que, al sumar variables de holgura,como el

coeficiente de dicha variable es 1, siempre podemos encontrar una
submatriz de identidad para poder calcular la solución factible básica
inicial.Pero si restamos una variable de excedente, el coeficiente es -1, y,
por esa razón, hay que agregar una variable artificial solamente para poder
partir con el método simplex, ya que podremos encontrar, con el auxilio de
las variables artificiales, una SFBI. Lo mismo ocurre en el caso de una
igualdad.Para poder comprender mejor este tema, vamos a resolver un
problema en el que tengamos que recurrir a variables de excedente y
artificiales.

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.

Enunciado del problema

Con base en los actuales niveles de inventario y de la demanda potencial
para el siguiente mes, los administradores de una empresa láctea han
especificado que la producción total combinada de los productos A y B
deben ser, al menos, de 7700 litros. Por otro lado, se debe satisfacer
también el pedido de un cliente de 2750 litros del producto A. El objetivo
de los administradores de la empresa es satisfacer los requisitos anteriores
incurriendo en un costo de producción mínimo. Los costos de producción
son de $3 por litro de producto A y de $2 por litro para el producto B.

Planteo del problema

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.

Obsérvese que la cantidad de variables de excedente serán tantas como

inecuaciones del tipo >= haya. En el caso de las variables artificiales, serán
la misma cantidad;pues, por cada variable de excedente que restamos,
tenemos que sumar una artificial.Si se tratara de una igualdad, solo se
agregaría la artificial para poder obtener la SFBI.Como el sistema tiene más
variables que ecuaciones, sabemos que existen infinitas soluciones.

2) Planteamos ahora la función objetivo introduciendo las variables

artificiales y las de excedente.

¡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.

Esta inserción de las variables artificiales con coeficiente alto en la función

objetivo crea un problema que, en su momento, estudiaremos como
resolver.
Generalmente, los coeficientes de las variables artificiales se calculan unas
100 veces más que el de las variables principales. Pero, para simplificar,
podemos tomar el mismo valor para ambas variables, A₁ y A₂. El valor que
tomaremos es 200 (se podría haber tomado otro,también podrian haberse
tomado coeficientes distintos para ambas variables artificiales). Entonces la
función objetivo nos queda:

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.

Recuerda que los sistemas de restricciones pueden tener restricciones de

<=,>= o = tanto si se debe maximizar la función objetivo como si se debe
minimizarla.

3) Obtengamos, ahora, la SFBI. Analicemos la cantidad de variables no

básicas para poder obtener la SFBI (una de las infinitas soluciones del
sistema, que es punto de partida para comenzar a optimizar con el método
simplex).Tenemos 2 ecuaciones, por lo que m=2.Y 6 variables, entonces
n=6. Por lo que la cantidad de variables no básicas es: n - m= 6 - 2=4.
Observa que una posible SFBI es:
x₁=0; x₂=0; s₁=0; s₂=0; A₁=7700; A₂=2750.

4) Igualamos a cero a la función objetivo:

Z- 3x₁-2x₂+0s₁+0s₂-200A₁-200A₂=0.

5)Planteo de la tabla simplex inicial

Tabla 1: Tabla simplex inicial para el problema de minimización

propuesto

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

Fuente: adaptado de Taha, 2012.

Antes de seguir, observemos que, en la última columna, Z=0 no está en

concordancia con lo que indica la función objetivo en esa misma tabla,
pues:
Z=3x₁+2x₂+0s₁+0s₂+200A₁+200A₂;
Z=3.0+2.0+0.0+0.0+200.7700+200.2750=2090000.
Esta contradicción se debe a la incorporación de las variables artificiales en
la función objetivo con coeficientes distintos de cero. Por lo tanto, habrá
que acomodar la tabla para que podamos comenzar a aplicar el método
simplex. La forma de hacerlo es anularlos coeficientes de las variables
artificiales y aplicaroperaciones elementales por filas.

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.

Tabla 2: Tabla simplex: parte 1. Coherencia en la función objetivo

Básica Z x₁ x₂ s₁ s₂ A₁ A₂ Solución

Z 1 197 198 -200 0 0 -200 1540000

A₁ 0 1 1 -1 0 1 0 7700

A₂ 0 1 0 0 -1 0 1 2750

Fuente: adaptado de Taha, 2012.

Sumamos a la fila 1, la tercera previamente multiplicada por 200.

Tabla 3: Tabla simplex: parte 2. Coherencia en la función objetivo

Básica Z x₁ x₂ s₁ s₂ A₁ A₂ Solución

Z 1 397 198 -200 -200 0 0 2090000

A₁ 0 1 1 -1 0 1 0 7700

A₂ 0 1 0 0 -1 0 1 2750

Fuente: adaptado de Taha, 2012.

Esta tabla está en concordancia con lo obtenido anteriormente en la

función objetivo. Entonces podemos aplicar el método simplex buscando la
variable de entrada y de salida. La columna que tiene el número positivo
más alto es la correspondiente con x₁. Esta es entonces la variable de
entrada. La variable de salida será el cociente positivo menor entre la
columna solución y los coeficientes de x₁ en las ecuaciones (recuerda que,
en este paso, no se tiene en cuenta la función objetivo).
7700:1=7700;
2750:1=2750.
Y la variable que sale es A₂.
La tabla simplex queda (está marcado el pívot con una circunferencia y
quedan anulados todos los coeficientes de la columna del pívot realizando
operaciones elementales por filas):
a la fila 1, se le suma la 3 previamente multiplicada por -397;
a la fila 2, se le suma la 3 previamente multiplicada por -1.

6
Tabla 4: Tabla simplex: paso 1 de resolución del probema de
minimización

Básica Z x₁ x₂ s₁ s₂ A₁ A₂ Solución

Z 1 0 198 -200 197 0 -397 998250

A₁ 0 0 1 -1 1 1 -1 4950

x₁ 0 1 0 0 -1 0 1 2750

Fuente: adaptado de Taha, 2012.

De la lectura de esta tabla, obtenemos las siguientes soluciones:

x₁=2750; x₂=0; s₁=0; s₂=0; A₁=0; A₂=2750. Pero hay coeficientes positivos en
la primera fila, lo que nos dice que la función objetivo puede
mejorarse.Repetimos el método simplex buscando la variable de entrada,
que será x₂, y la de salida,A₁.En una iteración más, la tabla nos queda como
sigue.

Tabla 5: Tabla simplex: paso 2 de resolución del probema de

minimización y resultado final

Básica Z x₁ x₂ s₁ s₂ A₁ A₂ Solución

Z 1 0 0 -2 -1 -198 -199 18150

x₂ 0 0 1 -1 1 1 -1 4950

x₁ 0 1 0 0 -1 0 1 2750

Fuente: adaptado de Taha, 2012.

Esta es la tabla simplex final: x₁=2750, x₂=4950. El costo mínimo será de

$18150 (compara estos resultados con el problema resuelto en el Módulo
1 mediante el método gráfico).

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.

Davis, K., y McKeown, P.(1995).Capítulo 4: El método simplex. En K. Davis

y P. McKeown, Modelos cuantitativos para administración (pp. 129-184).
Grupo Editorial Iberoamérica. México.

Taha, H. A (2012). Capítulo 3: Método simplex y análisis de sensibilidad. En

H. A. Taha, Investigación de operaciones(pp 69-136).México: Pearson
Educación.