EL METODO SIMPLEX PARA SOLUCIN DE PROBLEMAS DE PROGRAMACIN LINEAL 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.

El mtodo del simplex fue creado en 1947 por el matemtico George Dantzig .

Partiendo del valor de la funcin objetivo en un vrtice El mtodo del simplex se cualquiera, el mtodo consiste en buscar sucesivamente utiliza, sobre todo, para otro vrtice que mejore al anterior. La bsqueda se hace resolver problemas de programacin lineal en los siempre a travs de los lados del polgono (o de las que intervienen tres o ms aristas del poliedro, si el nmero de variables es mayor). variables. Cmo el nmero de vrtices (y de aristas) es finito, siempre se podr encontrar la solucin. El lgebra matricial y el El mtodo del simplex se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su valor mximo en el vrtice A, entonces hay una arista que parte de A, a lo largo de la cual f aumenta.
proceso de eliminacin de Gauss-Jordan para resolver un sistema de ecuaciones lineales constituyen la base del mtodo simplex.

Con miras a conocer la metodologa que se aplica en el Mtodo SIMPLEX, vamos a resolver el siguiente problema: Maximizar sujeto a: Z= f(x,y)= 3x + 2y 2x + y 18 2x + 3y 42 3x + y 24 x 0,y 0

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 x y h s d h 2 1 1 0 0 18 s 2 3 0 1 0 42 d 3 1 0 0 1 24 Z -3 -2 0 0 0 0 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 2 Coeficiente 2 x Nueva fila pivote 1 = Nueva fila de s 0 3 2 x 1/3 = 7/3 0 2 x 0 = 0 1 2 x 0 = 1 0 2 x 1/3 = -2/3 42 2 x 8 = 26

Tabla II . Iteracin n 2 Base Variable de decisin Variable de holgura Valores solucin x y h s d h 0 1/3 1 0 -2/3 2 s 0 7/3 0 1 -2/3 26 x 1 1/3 0 0 1/3 8 Z 0 -1 0 0 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 x y h s d y 0 1 3 0 -2 6 s 0 0 -7 0 4 12 x 1 0 -1 0 1 6 Z 0 0 3 0 -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 x y h s d y 0 1 -1/2 0 0 12 d 0 0 -7/4 0 1 3 x 1 0 -3/4 0 0 3 Z 0 0 5/4 0 0 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) * Si en el problema de maximizar apareciesen como restricciones inecuaciones de la forma: ax + by c; multiplicndolas por - 1 se transforman en inecuaciones de la forma - ax - by - c y estamos en el caso anterior * Si en lugar de maximizar se trata de un problema de minimizar se sigue el mismo proceso, pero cambiando el sentido del criterio, es decir, para entrar en la base se elige la variable cuyo valor, en la fila de la funcin objetivo, sea el mayor de los positivos y se finalizan las iteraciones cuando todos los coeficientes de la fila de la funcin objetivo son negativos

Interpretacin geomtrica del mtodo del simplex Las sucesivas tablas que hemos construido van proporcionando el valor de la funcin objetivo en los distintos vrtices, ajustndose, a la vez, los coeficientes de las variables iniciales y de holgura. En la primera iteracin (Tabla I) han permanecido todos los coeficientes iguales, se ha calculado el valor de la funcin objetivo en el vrtice A(0,0), siendo este 0. A continuacin se desplaza por la arista AB, calculando el valor de f , hasta llegar a B. Este paso aporta la Tabla II. En esta segunda iteracin se ha calculado el valor que corresponde al vrtice B(8,0): Z=f(8,0) = 24 Sigue por la arista BC, hasta llegar a C, donde se para y despliega los datos de la Tabla III. En esta tercera iteracin se ha calculado el valor que corresponde al vrtice C(6,6) : Z=f(6,6)=30. Continua haciendo clculos a travs de la arista CD, hasta llegar al vrtice D. Los datos que se reflejan son los de la Tabla IV. Concluye con esta tabla, advirtiendo que ha terminado (antes ha comprobado que la solucin no mejora al desplazarse por la arista DE) El valor mximo de la funcin objetivo es 33, y corresponde a x = 3 e y = 12 (vrtice D).

Si calculas el valor de la funcin objetivo en el vrtice E(0,14), su valor no supera el valor 33. TABLA SIMPLEX como se capturara la solucin bsica factible inicial en el siguiente ejemplo: sea: Maximizar Z = 2X1+4X2 sujeto a: 2X1+ X2<= 230 X1+ 2X2<= 250 X2<= 120 todas las X1,X2>=0

BASE Z S1 S2 S3

Z 0 0 0 0

X1 -2 2 1 0

X2 -4 1 2 1

S1 0 1 0 0

S2 0 0 1 0

S3 0 0 0 1

SOLUCIN 0 230 250 120

RAZN 0 230/1 250/2 120/1

Seleccione la variable que entra y la variable que sale de la base: Entra X2 y sale S3, se desarrolla la nueva tabla solucin y se continua el proceso iterativo hasta encontrar la solucin optima si es que est existe. Tabla Optima:

BASE Z S1 X1 X2

Z 0 0 0 0

X1 0 0 1 0

X2 0 0 0 1

S1 0 1 0 0

S2 2 -2 1 0

S3 0 3 -2 1

SOLUCIN 500 90 10 120

RAZN

Solucin: Z = $500 fabricando X1=10 X2=120 Sobrante de S1 = 90 Tipo de solucin: Optima Mltiple

DUALIDAD
El dual es un problema de PL que se obtiene matemticamente de un modelo primal de PL dado. Los problemas dual y primal estn relacionados a tal grado, que la solucin smplex ptima de cualquiera de los dos problemas conduce en forma automtica a la solucin ptima del otro. En la mayora de los procedimiento de PL, el dual se define para varias formas del primal, dependiendo de los tipos de restricciones, de los signos de las variables y del sentido de la optimizacin. La experiencia nos indica que en ocasiones, los principiantes se confunden con los detalles de esas definiciones. Ms importante an es que el uso de esas definiciones mltiples puede conducir a interpretaciones inconsistentes de los datos en la tabla smplex, sobre todo en lo que respecta a los signos de las variables. El concepto de dualidad indica que para cada problema de PL hay una asociacin y una relacin muy importante con otro problema de programacin lineal, llamado precisamente dual.
La relacin entre el problema dual y su asociado, es decir el problema original llamado primal, presenta varias utilidades:

Aporta elementos que aumentan sustancialmente la compresin de la PL. El anlisis de dualidad es una herramienta til en la solucin de problemas de PL, por ejemplo: ms restricciones que variables. El problema dual tiene interpretaciones e informaciones importantes que muestran que los anlisis marginales estn siempre involucrados implcitamente al buscar la solucin ptima a un problema de PL.

La forma estndar general del primal se defina como; para maximizar o minimizar.

sujeto a;

Cmo convertir un problema primal a dual? Un problema dual se formula de un problema primal de la siguiente forma:
1. Si el primal es un problema de maximizacin su dual ser un problema 2. 3.

4. 5. 6.

de minimizacin y viceversa. Los coeficientes de la funcin objetivo del problema primal se convierten en los coeficientes del vector de la disponibilidad en el problema dual. Los coeficientes del vector de disponibilidad del problema original se convierten en los coeficientes de la funcin objetivo (vector de costo o precio) en el problema dual. Los coeficientes de las restricciones en el problema primal, ser la matriz de los coeficientes tecnolgicos en el dual. Los signos de desigualdad del problema dual son contrarios a los del primal. Cada restriccin en un problema corresponde a una variable en el otro problema. Si el primal tiene m restricciones y n variables, el dual tendr n restricciones y m variables. As, las variables Xn del primal se convierte en nuevas variables Ym en el dual.

PROBLEMA PRIMAL EN FORMA CANONICA: MAX Z= CX Sujeto a: AX b X 0 Ejemplo. Si el problema primal es: MAX Z= 45X1 + 17X2 + 55X3 Sujeto a: X1 + X2 + X3 200

PROBLEMA DUAL EN FORMA MIN Z= BY Sujeto a: AY C Y 0

9X1 + 8X2 + 10X3 5000 10X1+ 7X2 + 21 X3 4000 Xj 0 El problema dual ser: MIN Z= 200Y1 + 5000Y2 + 4000Y3 Sujeto a: Y1 + 9Y2 + 10Y3 45 Y1 + 8Y2 + 7Y3 17 Y1 + 10Y2 + 21Y3 55 Yj 0 FORMA DE PRESENTAR EL PROBLEMA DUAL MIN = 2X1 - 3X2 Sujeto a: 1X1 + 2X2 12 4X1 - 2X2 3

6X1 - 1X2 = 10 X1,2 0 1. Llevar el problema a su equivalente de maximizacin, multiplicando la funcin objetivo por 1: MAX -2X1 + 3X2
2. Convertir

las restricciones en una restriccin equivalente multiplicando por 1 ambos lados: -4x1 + 2x2 -3

3. Para

las restricciones de igualdad, obtener 2 restricciones de desigualdad, una de forma y la otra de forma ; despus regresar al punto anterior y cambiar la restriccin a la forma : 6X1 1X2 10

6X1 1X2 10 6X1 1X2 10

-6X1 + 1X2 -10 As el problema primal se ha replanteado en la forma equivalente: MAX Z= -2X1 + 3X2 Sujeto a: 1X1 + 2X2 12 -4X1 + 2X2 - 3 6X1 1X2 10 -6X1 + 1X2 -10 X1,2 0
4. Teniendo el problema primal convertido a la forma cannica de un

problema de maximizacin, es fcil llevarlo al problema dual: MIN Sujeto a: Y14Y2 + 6Y36Y3 -2 restriccin 2Y1 + 2Y2 1Y3 + 1Y3 Y1, 2, 3, 3 0 3 12Y1 3Y2 + 10Y3 Y3 y Y3 ambas se refieren a la tercera del problema primal.