2.

FORMA TABULAR DEL METODO SIMPLEX

Con miras a conocer la metodologa que se aplica en el Mtodo SIMPLEX,

vamos a resolver el siguiente problema:
Maximizar

Z= f(x,y)= 3x + 2y

sujeto a:

2x + y

18

2x + 3y

42

3x + y
x

24

0,y

Se consideran las siguientes fases:

1. Convertir las desigualdades en igualdades
Se introduce una variable de holgura por cada una de las restricciones, para
convertirlas en igualdades, resultando el sistema de ecuaciones lineales:
2x + y + h = 18
2x + 3y + s = 42
3x +y + d = 24
2. Igualar la funcin objetivo a cero
- 3x - 2y + Z = 0
3. Escribir la tabla inicial simplex
En las columnas aparecern todas las variables del problema y, en las filas, los
coeficientes de las igualdades obtenidas, una fila para cada restriccin y la
ltima fila con los coeficientes de la funcin objetivo:
Tabla I . Iteracin n 1
Base

Variable de decisin

Variable de holgura

Valores solucin

18

42

24

-3

-2

4. Encontrar la variable de decisin que entra en la base y la variable

de holgura que sale de la base
A. Para escoger la variable de decisin que entra en la base, nos fijamos en
la ltima fila, la de los coeficientes de la funcin objetivo y escogemos la
variable con el coeficiente negativo mayor (en valor absoluto).
En nuestro caso, la variable x de coeficiente - 3.
Si existiesen dos o ms coeficientes iguales que cumplan la condicin anterior,
entonces se elige uno cualquiera de ellos.
Si en la ltima fila no existiese ningn coeficiente negativo, significa que se ha
alcanzado la solucin ptima. Por tanto, lo que va a determinar el final del
proceso de aplicacin del mtodo del simplex, es que en la ltima fila no haya
elementos negativos.
La columna de la variable que entra en la base se llama columna pivote (En
color azulado).
B. Para encontrar la variable de holgura que tiene que salir de la base, se
divide cada trmino de la ltima columna (valores solucin) por el
trmino correspondiente de la columna pivote, siempre que estos
ltimos sean mayores que cero. En nuestro caso:
18/2 [=9] , 42/2 [=21] y 24/3 [=8]
Si hubiese algn elemento menor o igual que cero no se hace dicho cociente.
En el caso de que todos los elementos fuesen menores o iguales a cero,
entonces tendramos una solucin no acotada y no se puede seguir.
El trmino de la columna pivote que en la divisin anterior d lugar al menor
cociente positivo, el 3, ya 8 es el menor, indica la fila de la variable de holgura
que sale de la base, d. Esta fila se llama fila pivote (En color azulado).
Si al calcular los cocientes, dos o ms son iguales, indica que cualquiera de las
variables correspondientes pueden salir de la base.
C. En la interseccin de la fila pivote y columna pivote tenemos el elemento
pivote operacional, 3.
5. Encontrar los coeficientes de la nueva tabla.
Los nuevos coeficientes de x se obtienen dividiendo todos los coeficientes de la
fila d por el pivote operacional, 3, que es el que hay que convertir en 1.
A continuacin mediante la reduccin gaussiana hacemos ceros los restantes
trminos de su columna, con lo que obtenemos los nuevos coeficientes de las
otras filas incluyendo los de la funcin objetivo Z.
Tambin se puede hacer utilizando el siguiente esquema:
Fila del pivote:

Nueva fila del pivote= (Vieja fila del pivote) : (Pivote)

Resto de las filas:
Nueva fila= (Vieja fila) - (Coeficiente de la vieja fila en la columna de la
variable entrante) X (Nueva fila del pivote)
Vemoslo con un ejemplo una vez calculada la fila del pivote (fila de x en la
Tabla II):
Vieja fila de s

Coeficiente

Nueva fila pivote

Nueva fila de s

42

1/3

1/3

7/3

-2/3

26

Tabla II . Iteracin n 2
Base

Variable de decisin

Variable de holgura

Valores solucin

1/3

-2/3

7/3

-2/3

26

1/3

1/3

-1

24

Como en los elementos de la ltima fila hay uno negativo, -1, significa que no
hemos llegado todava a la solucin ptima. Hay que repetir el proceso:
A. La variable que entra en la base es y, por ser la variable que
corresponde al coeficiente -1
B. Para calcular la variable que sale, dividimos los trminos de la ltima
columna entre los trminos correspondientes de la nueva columna
pivote:
2:1/3 [=6] , 26:7/3 [=78/7] y 8:1/3 [=8]

y como el menor cociente positivo es 6, tenemos que la variable de

holgura que sale es h.
C. El elemento pivote, que ahora hay que hacer 1, es 1/3.
Operando de forma anloga a la anterior obtenemos la tabla:
Tabla III . Iteracin n 3
Base

Variable de decisin

Variable de holgura

Valores solucin

-2

-7

12

-1

-1

30

Como en los elementos de la ltima fila hay uno negativo, -1, significa que no
hemos llegado todava a la solucin ptima. Hay que repetir el proceso:
A. La variable que entra en la base es d, por ser la variable que
corresponde al coeficiente -1
B. Para calcular la variable que sale, dividimos los trminos de la ltima
columna entre los trminos correspondientes de la nueva columna
pivote: 6/(-2) [=-3] , 12/4 [=3], y 6:1 [=6]
y como el menor cociente positivo es 3, tenemos que la variable de
holgura que sale es s.
C. El elemento pivote, que ahora hay que hacer 1, es 4.
Obtenemos la tabla:
Tabla IV . Final del proceso
Base

Variable de decisin

Variable de holgura

Valores solucin

-1/2

12

-7/4

-3/4

5/4

33

Como todos los coeficientes de la fila de la funcin objetivo son positivos,

hemos llegado a la solucin ptima.

Los solucin ptima viene dada por el valor de Z en la columna de los valores
solucin, en nuestro caso: 33. En la misma columna se puede observar el
vrtice donde se alcanza, observando las filas correspondientes a las variables
de decisin que han entrado en la base: D(3,12)

2.2

EL METODO DE LAS DOS FASES

Mtodo de las Dos Fases

ste mtodo difiere del Simplex en que primero hay que resolver un problema
auxiliar que trata de minimizar la suma de las variables artificiales. Una vez
resuelto este primer problema y reorganizar la tabla final, pasamos a la
segunda fase, que consiste en realizar el mtodo Simplex normal.
FASE 1
En esta primera fase, se realiza todo de igual manera que en el mtodo
Simplex normal, excepto la construccin de la primera tabla, la condicin de
parada y la preparacin de la tabla que pasar a la fase 2.
- Construccin de la primera tabla: Se hace de la misma forma que la tabla
inicial del mtodo Simplex, pero con algunas diferencias. La fila de la funcin
objetivo cambia para la primera fase, ya que cambia la funcin objetivo, por lo
tanto aparecern todos los trminos a cero excepto aquellos que sean
variables artificiales, que tendrn valor "-1" debido a que se est minimizando
la suma de dichas variables (recuerde que minimizar F es igual que maximizar
F(-1)).
La otra diferencia para la primera tabla radica en la forma de calcular la fila Z.
Ahora tendremos que hacer el clculo de la siguiente forma: Se sumarn los
productos CbPj para todas las filas y al resultado se le restar el valor que
aparezca (segn la columna que se ste haciendo) en la fila de la funcin
objetivo.

Tabla
C0

C1

C2

... Cn-k

... Cn

Base Cb

P0

P1

P2

... Pn-k

... Pn

Pi1

bi1

a11

a12

... a1n-k

... a1n

Ci1

Pi2

Ci2

bi2

a21

a22

... a2n-k

... a2n

...

...

...

...

...

... ...

... ...

Pim

Cim bim

am1

am2

... amn-k

... amn

Z1

Z2

... Z2

... Zn

Z0

Siendo Zj = (CbPj) - Cj y los Cj = 0 para todo j comprendido entre 0 y n-k

(variables de decisin, holgura y exceso), y Cj = -1 para todo j comprendido
entre n-k y n (variables artificiales).

- Condicin de parada: La condicin de parada es la misma que en el

mtodo Simplex normal. La diferencia estriba en que pueden ocurrir dos casos
cuando se produce la parada: la funcin toma un valor 0, que significa que el
problema original tiene solucin, o que tome un valor distinto, indicando que
nuestro modelo no tiene solucin.
- Eliminar Columna de variables artificiales: Si hemos llegado a la
conclusin de que el problema original tiene solucin, debemos preparar
nuestra tabla para la segunda fase. Deberemos eliminar las columnas de las
variables artificiales, modificar la fila de la funcin objetivo por la original, y
calcular la fila Z de la misma forma que en la primera tabla de la fase 1.
IDENTIFICANDO CASOS ANMALOS Y SOLUCIONES
Obtencin de la solucin: Cuando se ha dado la condicin de parada,
obtenemos el valor de las variables bsicas que estn en la base y el valor
ptimo que toma la funcin que estn en la base mirando la columna P0. En el
caso de que estemos minimizando, se multiplicar por "-1" el valor ptimo.
Infinitas soluciones: Cumplida la condicin de parada, si se observa que
alguna variable que no est en la base, tiene un 0 en la fila Z, quiere decir que
existe otra solucin que da el mismo valor ptimo para la funcin objetivo. Si
estamos ante este caso, estamos ante un problema que admite infinitas
soluciones, todas ellas comprendidas dentro del segmento (o porcin del plano,
o regin del espacio, dependiendo del nmero de variables del problema) que
define Ax+By=Z0. Si se desea se puede hacer otra iteracin haciendo entrar
en la base a la variable que tiene el 0 en la fila Z, y se obtendr otra solucin.
Solucin ilimitada: Si al intentar buscar la variable que debe abandonar la
base, nos encontramos que toda la columna de la variable entrante tiene todos
sus elementos negativos o nulos, estamos ante un problema que tiene solucin
ilimitada. No hay valor ptimo concreto, ya que al aumentar el valor de las
variables se aumenta el valor de la funcin objetivo, y no viola ninguna
restriccin.

No existe solucin: En el caso de que no exista solucin, seguro que

tendremos que realizar las dos fases, por lo que al trmino de la primera
sabremos si estamos en tal situacin.
Empate de variable entrante: Se puede optar por cualquiera de ellas, sin
que afecte a la solucin final, el inconveniente que presenta es que segn por
cual se opte se harn ms o menos iteraciones. Se aconseja que se opte a
favor de las variables bsicas, ya que son aquellas las que quedarn en la base
cuando se alcance la solucin con estos mtodos.
Empate de variable saliente: Se puede nuevamente optar por cualquiera de
ellas, aunque se puede dar el caso degenerado y entrar en ciclos perpetuos.
Para evitarlos en la medida de lo posible, discriminaremos a favor de las
variables bsicas haciendo que se queden en la base. Ante el caso de estar en
la primera fase (del mtodo de las Dos Fases), se optar por sacar en caso de
empate las variables artificiales.
Curiosidad Fase 1: Al finalizar la fase 1, si el problema original tiene solucin,
todas las variables artificiales, en la fila Z deben tener el valor "1".
Pivote puede ser 0?: No, ya que siempre se realizan los cocientes entre
valores no negativos y mayores que cero.

2.1

CASOS ESPECIALES.

El Mtodo simplex es un procedimiento iterativo que permite ir mejorando la solucin a

cada paso. El proceso concluye cuando no es posible seguir mejorando ms dicha
solucin o cuando esta es ptima.

Este mtodo, permite analizar cada variable del

problema planteado, sus variaciones, para determinar cual es la decisin ms acertada a

tomar en cualquiera que sea el rea de la empresa sobre la cual se presente la
incertidumbre. Existen casos especiales de solucin de problemas por medio del simplex,
tales como:
Soluciones Mltiples Solucin Degenerada Solucin Infactible Sin Solucin
A continuacin se presenta un anlisis detallado de cada caso especial de solucin con un
ejemplo prctico.
CASO DE SOLUCIONES MLTIPLES
Cuando la funcin objetivo es paralela a una restriccin que se satisface en el sentido de
la igualdad a travs de la solucin ptima, la funcin objetivo tomar el mismo valor
ptimo en ms de un punto de la solucin. Por esta razn reciben el nombre de Mltiples
alternativas ptimas.

CASO DE SOLUCIN DEGENERADA

La degeneracin ocurre cuando en alguna iteracin del mtodo simplex existe un empate
en la seleccin de la variable que sale. Este empate se rompe arbitrariamente. En este
caso decimos que la nueva solucin es degenerada. Sin embargo, cuando suceda esto
una o ms veces de las variables bsicas, ser necesariamente igual a cero en la
siguiente iteracin. En el mtodo simplex, la presencia de una variable bsica igual a cero,
no requiere ninguna accin especial; en todo caso, es necesario no descuidar las
condiciones de degeneracin. En trminos geomtricos, la degeneracin ocurre cuando
un vrtice est definido por demasiadas restricciones.
CASO DE SOLUCIN INFACTIBLE
En un modelo de Programacin Lineal, cuando las restricciones no se pueden satisfacer
en forma simultnea, se dice que este no tiene solucin factible. Esta situacin nunca
puede ocurrir si todas las restricciones son del tipo MENOR O IGUAL ( ), esto, suponiendo
valores positivos en el segundo miembro, ya que las variables de holgura producen
siempre una 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 hacen provisiones (a travs del uso de penalizaciones) para hacer que
estas variables artificiales sean cero en el nivel ptimo, esto slo puede ocurrir si el
modelo tiene una espacio factible. Si no lo tiene, cuando menos una variable artificial ser
positiva en la iteracin ptima.
Desde el punto de vista prctico, 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 simultnea. En este caso, quizs se necesite una estructura del modelo totalmente
diferente que no admita todas las restricciones al mismo tiempo.
CASO DE NO SOLUCIN
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 es sin solucin cuando menos en una direccin.

Como resultado, el valor de la funcin objetivo puede crecer (Maximizacin) o decrecer

(Minimizacin) en forma indefinida. En este caso, decimos que el espacio en el cual se
espera sea resuelto el modelo, y el valor ptimo de la funcin objetivo no tiene solucin.
La falta de explicacin de un modelo puede sealar solo una cosa, que este se encuentra
mal construido. Evidentemente resulta irracional hacer que un modelo produzca una
ganancia infinita. Las irregularidades ms probables en este modelo son:
1. No se toman en cuenta una o ms restricciones redundantes
2. No se determinan adecuadamente los parmetros (constantes) de alguna restriccin.