Programacin lineal

Mtodo Simplex

Visin general del mtodo Simplex

Metodologa o algoritmo que permite solucionar modelos de programacin lineal con n variables de decisin. Mtodo algebraico sistemtico que examina esquinas o vrtices de un conjunto factible de PL en busca de una solucin ptima. Procedimiento iterativo que permite ir mejorando solucin a cada paso; proceso concluye cuando no es posible seguir mejorando ms dicha solucin.
2

Mtodo Simplex
Facilita obtencin de solucin ptima mediante elaboracin de un criterio que permite saber si una solucin bsica es o no ptima y, en caso contrario, da un procedimiento de aproximacin a dicho ptimo.
En un problema de maximizacin, conviene incrementar participacin de una actividad en plan, en tanto ingreso marginal sea mayor que costo marginal en que se incurra.
3

Principio de optimizacin (Simplex)

Se llega a una solucin ptima siguiendo un mecanismo iterativo, en que cada solucin mejora sobre la previa, a partir de incluir actividades que aportan ms que lo que cuestan. Se llega a una solucin ptima cuando no hay sustituciones factibles que permitan lograr un mejor resultado. Para todas las actividades incluidas en ptimo se cumple principio: Ingreso marginal = costo marginal
4

Mtodo Simplex
Partiendo de una solucin factible bsica inicial (vrtice), se pasa a otra solucin bsica (vrtice contiguo) en que valor de funcin objetivo sea mayor que anterior, y as sucesivamente hasta llegar a una solucin bsica (vrtice) en que valor de Z sea mximo (solucin ptima). En algunos casos, variables de holgura sirven para determinar solucin inicial, tomando: x = bi, i = 1, ..., m siempre que componentes del vector de disponibilidades de recursos sean no negativas, esto es bi 0.

Paso de forma genrica a forma normal: restricciones

Variable de holgura (bi), representa cantidad disponible del -simo recurso, por tanto si al resolver problema lineal, se halla como resultado que variable de holgura es cero, entonces significa que se ha utilizado totalmente isimo recurso. Por otro lado, si valor que toma variable de holgura no es cero, entonces recurso correspondiente no es realmente limitante; y si produccin no puede ser incrementada, esto se deber a limitaciones impuestas por otros recursos.
6

Mtodo Simplex
En caso que alguna restriccin fuera de igualdad o algn bi < 0, variables de holgura no sirven, se agregan variables artificiales. Mtodo algebraico para determinacin de solucin factible ptima de un problema de PL con cualquier nmero de variables de decisin. Requiere que problema est en forma estndar: todas las restricciones deben ser de igualdad y todas las variables, no negativas. Idea bsica: partiendo de un vrtice de regin factible, buscar otro adyacente en que se mejore valor de funcin objetivo.
7

Bsqueda de una solucin bsica inicial

Lo comn es que no exista en conjunto de restricciones un grupo de variables que acte como solucin bsica inicial. Para resolver este problema se hace uso de denominadas variables artificiales. Regla: se aade a cada restriccin, si es necesario, una variable artificial Ui, con coeficiente unitario y de signo igual al del segundo miembro (bi) de restriccin correspondiente.
8

Bsqueda de una solucin bsica inicial

Ejemplo: 3x1 + x4 5 x1 - x2 3 2x1 + 3x2 = 1

3x1 + x2 - x3 + U1 = 5 x1 x 2 - x4 + U 2 = 3 2x1 + 3x2 + U3 = 1 i = 1, 2, , m. j = 1, 2, , n.

En general: mx z = CjXj; Sa: aijXj = bi; Xj 0 aijXj Ui = bi; Xj 0, Ui 0

9

Mtodo Simplex
Est diseado de manera que funcin objetivo no

disminuya en un modelo de maximizacin y, generalmente, aumentar a cada vrtice sucesivo de secuencia.

Cada vrtice del conjunto restringido de PL puede ser representado en forma algebraica como una clase particular de solucin del conjunto de ecuaciones lineales.
10

Variables bsicas y no bsicas

Variables no bsicas, conjunto de n m variables tales que, cuando se igualan a cero, variables restantes quedan determinadas. Variables bsicas, dado un conjunto de n m variables no bsicas, m variables restantes se llaman bsicas. Solucin de m ecuaciones lineales simultneas con n incgnitas, m < n, con propiedad de que n m variables tienen valor cero y valores de restantes m variables estn unvocamente determinados; se obtiene cuando a un conjunto de variables no bsicas se les asigna un valor cero.
11

Tipos de soluciones bsicas

Solucin bsica factible, para la cual valores de todas las variables son no negativos; corresponde a un vrtice de regin factible del problema lineal. Solucin bsica factible degenerada, solucin bsica factible con menos de m variables positivas (por tanto, con ms de n

m variables nulas).
12

Tablas Simplex
Se diferencia variables bsicas de las no bsicas. Se muestra en forma ordenada coeficientes de funcin objetivo y de restricciones en cada tabla. En cada iteracin se ir cambiando de base, con lo cual valores que aparecern en tablas sern diferentes en forma, pero en fondo seguirn siendo funciones originales. Funcin objetivo solo est expresada en funcin de variables no bsicas, por tanto en cada tabla, coeficientes de funcin objetivo de variables bsicas debern ser cero.
13

Tablas simplex
Valores de coeficientes de columna correspondiente a variables bsicas en cada iteracin debern ser cero a excepcin del valor de interseccin de columna de variable bsica con fila de misma variable que tiene valor 1 (porque se expresan variables bsicas en funcin de las no bsicas), formando una matriz de identidad. Para identificar si ya se est en ptimo se verifica si todas los coeficientes de funcin objetivo de ltima tabla es negativa para caso de maximizacin; en caso de haber algn coeficiente positivo an se puede mejorar.
14

Cmo resolver un problema de PL?

Restricciones de un problema de PL definen una

regin factible - un poliedro.

Si puede establecerse todos los vrtices del

poliedro, entonces puede calcularse valor objetivo en esos puntos, y tomar el mejor como solucin ptima. vrtice a vrtice adyacente hasta que reconoce un vrtice ptimo.
15

Mtodo Simplex se mueve de

Tenazas

30
25

(1000)
Acero

Mtodo Simplex - Geometra L Demanda

Solucin
ptima T Demanda

20
15 10 5 0

Ensamblaje

?
15
16

Llaves

Moldeado
30

(1000)

Tenazas

30
25

(1000) Acero

Punto interior geometra

Demanda L
Solucin ptima Demanda T

20
15 10 5 0 15
17

Ensamblaje Moldeado 30

Llaves (1000)

Mtodo Simplex
Solucin ptima de este modelo de PL: definida por restricciones disponibilidad de acero y mquina de moldeado i.e., se calcula resolviendo 1.5 L + T = 27 L + T = 21 L = 12; T = 9; Beneficio = 130*12+100*9 = $2,460
18

Mtodo simplex - lgebra

1. Solver: usa mtodo Simplex para resolver PLs. 2. Simplex realiza una serie de pivotajes. Cada pivotaje comienza en un vrtice y, o calcula un vrtice adyacente mejor, o concluye que vrtice actual es el mejor posible. 3. En cada pivotaje, Simplex resuelve un sistema de n ecuaciones en n variables (variables de decisin). 4. Nmero de pivotajes necesarios es aproximadamente proporcional al nmero m de restricciones en modelo.
19

Ejemplo
Se resolver mediante mtodo Simplex siguiente problema:
Maximizar Z = f(x,y) = 3x + 2y Sujeto a:

2 X Y 18 3 X Y 24

2 X 3Y 42
siempre que X 0, Y 0 Se consideran siguientes fases:
20

Ejemplo
1. Convertir desigualdades en igualdades: Se introducen variables de holgura (H, S, D) por cada una de las restricciones, para convertirlas en igualdades, resultando sistema de ecuaciones lineales: 2x + y + H = 18 2x + 3y + S = 42 3x + y + D = 24

21

Ejemplo
2. Igualar funcin objetivo a cero: - 3x 2y + z = 0 Variables de holgura se agregan para partir del supuesto que x = 0 e y = 0 y cumplir con condicin inicial para aplicar mtodo Simplex. Funcin objetivo puede ser igualada con z + 2y + 3x = 0, eso es indistinto.

22

Ejemplo
3. Escribir tabla inicial Simplex: En columnas aparecern todas las variables del problema y, en filas, coeficientes de igualdades obtenidas, una fila para cada restriccin y ltima fila con coeficientes de funcin objetivo:
Base Variable de decisin
Variable de holgura

Valores solucin

X
H 2

Y
1

H
1

S
0

D
0 18

S
D

2
3

3
1

0
0

1
0

0
1

42
24

-3

-2

0
23

Ejemplo
4. Encontrar variable de decisin que entra en base y variable de holgura que sale de base: Para escoger variable de decisin que entra en base, debe fijarse en ltima fila, la de coeficientes de funcin objetivo, y se escoge variable con coeficiente negativo mayor (en valor absoluto). En presente caso, variable x de coeficiente 3.
24

Ejemplo
Si existiesen 2 ms coeficientes iguales que cumplan condicin anterior, entonces se elige uno cualquiera de ellos. Si en ltima fila no existiese ningn coeficiente negativo, significa que se ha alcanzado solucin optima, por tanto, lo que va a determinar final del proceso de aplicacin del mtodo Simplex, es que en ltima fila no haya elementos negativos.
25

Ejemplo
Columna de variable que entra en base se llama columna pivote. Para encontrar variable de holgura que tiene que salir de base, se divide cada trmino de ltima columna (valores solucin) por trmino correspondiente de columna pivote, siempre que estos ltimos sean mayores que cero, en presente caso: 18/2 = 9, 42/2 = 21, 24/3 = 8
Si hubiese algn elemento menor o igual que cero no se hace dicho cociente. En caso de que todos los elementos fuesen menores o iguales a cero, entonces se tendra una solucin no acotada y no se puede seguir.
26

Ejemplo
Columna de variable que entra en base se llama columna pivote. Para encontrar variable de holgura que tiene que salir de base, se divide cada trmino de ltima columna (valores solucin) por trmino correspondiente de columna pivote, siempre que estos ltimos sean mayores que cero. en nuestro caso: 18/2 = 9, 42/2 = 21, 24/3 = 8 Si hubiese algn elemento menor o igual que cero no se hace dicho cociente. En caso de que todos los elementos fuesen menores o iguales a cero, entonces tendramos una solucin no acotada y no se puede seguir. Trmino de columna pivote que en divisin anterior de lugar al menor cociente positivo, el 3, ya que 8 es el menor, indica fila de variable de holgura que sale de base, D. Esta fila se llama fila pivote.
27

Ejemplo
Trmino de columna pivote que en divisin anterior de lugar al menor cociente positivo, 3, ya que 8 es el menor, indica fila de variable de holgura que sale de base, D. Esta fila se llama fila pivote. Si al calcular cocientes, 2 ms son iguales, indica que cualquiera de variables correspondientes pueden salir de base. En interseccin de fila pivote y columna pivote se tiene elemento pivote.
28

Ejemplo
5.Encontrar coeficientes de nueva tabla Nuevos coeficientes de x se obtienen dividiendo todos los coeficientes de fila D por pivote operacional, 3, que es el que hay que convertir en 1. A continuacin, mediante reduccin gaussiana se hace ceros, restantes trminos de su columna, con lo que se obtiene nuevos coeficientes de otras filas incluyendo los de funcin objetivo Z.
29

Ejemplo
Tambin se puede hacer utilizando siguiente esquema: Fila del pivote: Nueva fila del pivote = (vieja fila del pivote)/(pivote) Resto de filas: Nueva fila = (vieja fila) (coeficiente de vieja fila en columna de variable entrante)*(nueva fila del pivote)
Vieja fila de S 2 coeficiente 2 * nueva fila pivote 1 = nueva fila de s 0 3 2 * 1/3 = 7/3
30

0 2 * 0 = 0

1 2 * 0 = 1

0 2 * 1/3 = -2/3

42 2 * 8 = 26

Ejemplo
Base Variable de decisin Variable de holgura Valores solucin

H
S X Z

X 0 0 1 0

Y 1/3 7/3 1/3 -1

H 1 0 0 0

S 0 1 0 0

D -2/3 -2/3 1/3 1

2
26 8 24

Como en elementos de ltima fila hay uno negativo, -1, significa que no se ha llegado todava a solucin optima. Hay que repetir proceso: A. Variable que entra en base es y, por ser variable que corresponde al coeficiente 1.
31

Ejemplo
B. Para calcular variable que sale, se divide trminos de ltima columna entre trminos correspondientes de nueva columna pivote: 2/1/3 = 6, 26/7/3 = 78/7 y 8/1/3 = 8 y como menor cociente positivo es 6, se tiene que variable de holgura que sale es H. C. Elemento pivote, que ahora hay que hacer 1, es 1/3. Operando de forma anloga a anterior se obtiene tabla:
Base Variable de decisin Variable de holgura Valores solucin

Y S X Z

X 0
0

Y 1
0

1 0

0 0

H 3 -7 -1 3
32

S 0 0 0 0

D -2 4 1 -1

6 12 6 30

Ejemplo
Como en elementos de ltima fila hay uno negativo, -1, significa que no se ha llegado todava a solucin ptima. Hay que repetir proceso: A. Variable que entra en base es D, por ser variable que corresponde al coeficiente 1. B. Para calcular variable que sale, se divide trminos de ltima columna entre trminos correspondientes de nueva columna pivote: 6/(-2) = -3, 12/4 =3, y 6/1 = 6 y como menor cociente positivo es 3, se tiene que variable de holgura que sale es s.
C. Elemento pivote, que ahora debe hacerse 1, es 4. Se obtiene siguiente tabla:
33

Ejemplo
Base Y Variable de decisin Variable de holgura Valores solucin

X 0 0
1 0

Y 1 0
0 0

H -1/2 -7/4
-3/4 5/4

S 0 0
0 0

D 0 1
0 0

12

D
X Z

3
3 33

Como todos los coeficientes de fila de funcin objetivo son positivos, se ha llegado a solucin ptima. Solucin ptima viene dada por valor de Z en columna de valores solucin, en este caso: 33. En misma columna puede verse vrtice donde se alcanza, observando filas correspondientes a variables de decision que han entrado en la base: D (3,12).
34

Otro ejemplo
Un fabricante de muebles que nicamente elabora dos productos, escritorios y sillas, tiene cuatro Tiempo requerido departamentos: Tiempo
Dpto.

disponible (h) 120

90 70 50

Sillas (h/silla)

Escritorios (h/escrit.)

Corte
Armado Tapicera Cubiertas

1
1 1 0

2
1 0 1

Contribucin al costo fijo y a utilidad de cada silla es de $20 y la de cada escritorio $50.
35

Otro ejemplo
Variables de decisin
X1 = Cantidad de sillas a fabricar. X2 = Cantidad de escritorios a fabricar.
Max Z = 20X1 + 50X2 Sujeto a: X1 + 2X2 120 (corte)

X1 + X1

X2 90 70 X2 50

(armado) (tapicera) (cubiertas)

X1, X2 0
36

Otro ejemplo
Solucin bsica
Agregar variables de holgura Si a cada restriccin para convertir en ecuaciones:

X1 + 2X2 + S1
X1 + X2 X1 + S2

= 120
= 90 + S3 = 70

X2

+ S4 = 50

Sistema de 4 ecuaciones con 6 variables

37

Otro ejemplo
Igualando a cero dos de las variables se obtiene un sistema cuadrado, que tiene una sola solucin a la que se le denomina Solucin bsica. A variables que se X1 + 2X2 + S1 = 120 igualan a cero se X1 + X2 + S2 = 90 les llama variables noX1 + S3 = 70 bsicas. X2 + S4 = 50
Por ejemplo:

S1 = 0 S3 = 0
38

X1 = 70 X2 = 25

S2 = - 5 S4 = 25

Otro ejemplo
Puede igualarse a cero otro cualquier par de ecuaciones y se obtendr otra solucin bsica. Cuantas soluciones bsicas puede formarse?

Cn

= n!/m!(n-m)!
6 2 6! = = 15 2!(4!)

N = Nmero de variables M = Nmero de ecuaciones N-M = Nmero de variables que se escogen = cero Cuntas posibles elecciones son?

39

Otro ejemplo
Solucin bsica factible
Es una solucin bsica cuyas variables son todas no-negativas.
Asociado con cada solucin bsica factible

de ecuaciones originales est un vrtice nico del conjunto restringido.

Algoritmo Simplex investiga

entre soluciones bsicas factibles para encontrar una solucin ptima.

40

Otro ejemplo
Tabla inicial
Algoritmo Simplex parte de una solucin bsica factible en la que todas las variables reales (tales como X1 y X2) se igualan a cero.
X1 + 2X2 + S1 X1 + X2 X1 X2 + S2 + S3 = 120 = 90 = 70
41

X1 = 0; X2 = 0 S1 =120 S2 = 90 S3 =70 S4 = 50

+ S4 = 50

Otro ejemplo
En forma tabular:
VB X1 X2 S1 S2 S3 S4 Valor

Corte
Armado Tapicera

S1 S2 S3 S4

1
1 1

2
1 0

1
0 0

0
1 0

0
0 1

0
0 0

120
90 70

Cubiertas

50

Qu vrtice representa esta tabla?

42

Otro ejemplo
X2 X1 + X2 90 X1 70
C

80

60

X2 50

40 20 Regin Factible
| | | | |

D E F

X1 + 2X2 120

20

40
43

60

80

100

120

X1

Otro ejemplo
Esta tabla dice que

no se est produciendo

( X1 = 0 y X2 = 0 ) utilidad es cero

Variables de holgura presentan toda la disponibilidad de recursos

Se debe utilizar estas disponibilidades

44

de recursos para producir algunas unidades.

Otro ejemplo
Por tanto se debe incluir alguna variable de decisin en base y sacar alguna variable de holgura

Se cambia as de

Solucin bsica factible

Se escoge aquella variable que aumenta valor de Z con ms rapidez.

Se agrega funcin objetivo a tabla.

45

Otro ejemplo
CJ
CB
Corte Armado
Tapicera

20
VB S1 S2 S3 S4 ZJ
(CJ - ZJ)

50 X2
2 1 0 1 0 50
46

0 S1
1 0 0 0 0 0

0 S2
0 1 0 0 0 0

0 S3
0 0 1 0 0 0

0 S4
0 0 0 1 0 0

X1
1 1 1 0 0 20

Valor
120 90 70 50 0

0 0 0

Cubiertas 0

Otro ejemplo
Columnas de variables ZJ Representa utilidad perdida al agregar una unidad de esta variable en solucin Representa utilidad neta (ganada menos perdida) al agregar una unidad de esta variable en solucin
47

Columna de valor Representa utilidad total de solucin actual

(CJ-ZJ)

Otro ejemplo
Procedimiento
1. Determinar cul variable

debe entrar en la base.

La de mayor (CJ - ZJ) positivo (Columna pivote)

48

Otro ejemplo
2. Determinar cul variable

debe salir de base.

Dividir cada cantidad en columna valor entre nmero correspondiente en columna de variable de entrada. Nmero ms pequeo (positivo) da mximo nmero de unidades de variable que pueden agregarse en solucin. (rengln pivote)
49

Otro ejemplo
3. Calcular nuevos valores del rengln Pivote.
4. Calcular nuevos valores para resto

de renglones.

5. Calcular renglones de ZJ y (CJ - ZJ). o Si todos los nmeros en rengln (CJ - ZJ) son 0, se llega a solucin ptima. o Si NO es este el caso, regresar al paso 1.

50

Otro ejemplo
CJ CB 0 0 20 50 X2 2 Tabla 1 0 0 S1 1 S2 0 0 S3 0 0 S4 0 Valor 120 120/2=60

VB
S1 S2 S3 S4 ZJ
(CJ - ZJ)

X1 1

1
1 0 0 20

1
0 1 0 50

0
0 0 0 0
51

1
0 0 0 0

0
1 0 0 0

0
0 1 0 0

90
70 50 0

90/1=90
70/0 = 50/1=50

0
0

Otro ejemplo
CJ CB 0 0 20 50 X2 0 Tabla 2 0 0 S1 1 S2 0 0 S3 0 0 S4 -2 Valor 20

VB
S1 S2 S3 X2 ZJ

X1 1

1
1 0 0

0
0 1 50 0
52

0
0 0 0 0

1
0 0 0 0

0
1 0 0 0

-1
0 1 50 -50

40
70 50 2500

0
50

(CJ - ZJ) 20

Otro ejemplo
Interpretacin
Tabla Simplex tiene dos matrices

Variables bsicas Variables no-bsicas

Matriz unitaria Matriz de coeficientes tecnolgicos

53

Otro ejemplo
VB Corte Armado Tapicera Cubiertas S1 S2 S3 X2 X1 1 1 1 0 Valor 20 40 70 50

Fabricar una unidad de X1 exige consumir 1 hora de corte, 1 hora de armado y 1 hora de tapicera. No requiere sacrificar unidades de X2 (escritorios a fabricar)
54

Otro ejemplo
VB S4 -2 -1 0 Valor 20 40

Corte
Armado Tapicera

S1 S2

S3
X2

70
50

Cubiertas

Cada unidad de S4 requiere sacrificar 1 unidad de X2 (escritorios a fabricar) y libera 2 horas de corte y 1 hora de armado.
55

Otro ejemplo
VB Corte Armado Tapicera Cubiertas S1 S2 S3 X2 ZJ Valor 20 40 70 50 2500 Horas de corte sobrantes Horas de armado sobrantes Horas de tapicera sobrantes Fabricacin de escritorios Utilidad como resultado de mezcla de produccin.

Cul es el vrtice que representa esta tabla? Es solucin ptima?

56

Otro ejemplo
X2 80 X1 + X2 90 X1 70
C

60

X2 50

40

20

Regin Factible
| | | | | | |

E
F

X1 + 2X2 120

20

40
57

60

80

100

120

X1

Otro ejemplo
CJ CB 0 0 20 50 X2 0 Tabla 2 0 0 S1 1 S2 0 0 S3 0 0 S4 -2 Valor 20 20/1=20

VB
S1 S2 S3 X2 ZJ

X1 1

1
1 0 0

0
0 1 50 0

0
0 0 0 0
58

1
0 0 0 0

0
1 0 0 0

-1
0 1 50 -50

40
70 50 2500

40/1=40
70/1=70 50/0=

0
50

(CJ - ZJ) 20

Otro ejemplo
CJ CB 20 0 0 50 VB X1 S2 S3 X2 ZJ
(CJ - ZJ)

20 X1

50 X2

Tabla 3 0 0
S1 S2

0 S3

0 S4 Valor

1
0 0 0 20 0

0
0 0 1 50 0
59

1
-1 -1 0 20 -20

0
1 0 0 0 0

0
0 1 0 0 0

-2
1 2 1 10 -10

20
20 50 50 2900

Otro ejemplo
X2 80 X1 + X2 90

X1 70
C

60

X2 50

40
20 Regin Factible
| | | | |

D E

X1 + 2X2 120

20

40
60

60

80

100

120

X1

Programacin lineal: mtodo Simplex

Variables artificiales
Se utilizan en restricciones y = No tienen significado fsico y por tanto deben salir de base antes de llegar a solucin final Para asegurar que variables artificiales salgan de base antes de llegar a solucin final se les asigna un coeficiente muy grande ($M) en funcin objetivo. En problemas de Maximizacin Minimizacin
61

(-M) (+M)

Programacin lineal: mtodo Simplex

Problema de minimizacin
Una Compaa fabrica un tipo especial de molde que debe contener cuando menos 20% de hierro forjado y 6% de plomo. Compaa tiene dos tipos de mineral a partir del cual puede fabricar moldes.
Hierro forjado

Plomo

Costo por tonelada

Mineral N 1 50% 4% 160 Mineral N 2 16% 10% 80 Compaa quiere minimizar costo de moldes
62

Programacin lineal: mtodo Simplex

Variables de decisin
X1 = porcentaje del mineral N 1 en molde X2 = porcentaje del mineral N 2 en molde

Min Z = 160X1 + 80X2 Sujeto a: 0.50X + 0.16X 0.20

1 2

(hierro) (plomo)

0.04X1 + 0.10X2 0.06

X1 +

X2 = 1

X1, X2 0
63

Programacin lineal: mtodo Simplex

Primero, utilizar variables de holgura (Si) y en seguida variables artificiales.
0.50X1 + 0.16X2 - S1 0.04X1 + 0.10X2 X1 + X2 - S2 + A1 + A2 = 0.20 = 0.06 + A3 = 1

Min Z = 160X1 + 80X2 + MA1 + MA2 + MA3

64

Programacin lineal: mtodo Simplex

CJ
CB
M M 160 80 0 M 0 M M

VB
A1 A2

X1
1/2 1/25

X2
4/25 1/10

S1
-1 0

A1
1 0

S2
0 -1

A2
0 1

A3
0 0

Valor
0.20 0.06

A3
ZJ

0
-M 0 +M
65

0
M 0

0
-M 0 +M

0
M 0

1
M 0

1
1.26M

1.54M 1.26M 160 80 -1.54M -1.26M

(CJ - ZJ)

Programacin lineal: mtodo Simplex

Procedimiento
1. Seleccionar como variable de entrada la de (CJ-ZJ) ms negativo (columna pivote). 2. Seleccionar como variable de salida rengln con cociente (positivo) ms pequeo al dividir columna valor entre columna pivote (rengln pivote) 3. Calcular nuevos valores del rengln pivote. 4. Calcular nuevos valores para resto de renglones. 5. Calcular renglones ZJ y (CJ-ZJ). Si hay algn valor (CJ-ZJ) 0, regresar al paso 1
66

Programacin lineal: mtodo Simplex

Tabla 1
CJ
CB M VB A1 A2 A3 ZJ (CJ - ZJ) 160 X1 1/2 80 X2 4/25 0 S1 -1 M A1 1 0 S2 0 M A2 0 M A3 0 Valor 0.20

M
M

1/25
1

1/10
1

0
0 -M 0 +M
67

0
0 M 0

-1
0 -M 0 +M

1
0 M 0

0
1 M 0

0.06
1 1.26M

1.54M 1.26M 160 80 -1.54M -1.26M

Programacin lineal: mtodo Simplex

Tabla 2 CJ
CB 160 M M VB X1 A2 A3 ZJ (CJ - ZJ) 160 X1 1 0 0 160 80 X2 0.32 0.087 0.68 0 S1 -2 0.08 2 M A1 2 - 0.08 -2 0 S2 0 -1 0 -M 0 +M M A2 0 1 0 M 0 M A3 0 0 1 M 0 Valor 0.40 0.044 0.6 64 + 0.64M

51.2 -320 320 +0.76M +2.08M -2.08M 320 -320 28.8 -0.76M -2.08M +3.08M
68

Programacin lineal: mtodo Simplex

Tabla 2
CJ
CB 160 VB X1 A2 A3 ZJ (CJ - ZJ) 160 X1 1 0 0 160 80 X2 0.32 0.087 0.68 0 S1 -2 0.08 2 M A1 2 - 0.08 -2 0 S2 0 -1 0 -M 0 +M M A2 0 1 0 M 0 M A3 0 0 1 M 0 Valor 0.40 0.044 0.6 64 + 0.64M

M
M

51.2 -320 320 +0.76M +2.08M -2.08M 320 -320 28.8 -0.76M -2.08M +3.08M
69

Programacin lineal: mtodo Simplex

Tabla 3

CJ
CB 160 M 0 VB X1

160 X1 1 0 0 160

80 X2 1 0.06 0.34 160 +0.06M

0 S1 0 0 1 0 0
70

M A1 0 0 -1 0 0 +M

0 S2 0 -1 0 -M

M A2 0 1 0 M 0

M A3 1 - 0.04 0.5 Valor 1 0.02 0.3

A2
S1 ZJ

160 160+ -0.04M 0.02M - 160 +1.04M

(CJ - ZJ)

- 80 -0.06M

0 +M

Programacin lineal: mtodo Simplex

Tabla 3
CJ
CB 160 VB X1 A2 S1 ZJ (CJ - ZJ) 160 X1 1 0 0 160 80 X2 1 0.06 0.34 160 +0.06M - 80 -0.06M 0 S1 0 0 1 0 M A1 0 0 -1 0 0 +M
71

0 S2 0 -1 0 -M 0 +M

M A2 0 1 0 M

M A3 1 - 0.04 0.5 Valor 1 0.02 0.3

M 0

160 160+ -0.04M 0.02M - 160 +1.04M

Programacin lineal: mtodo Simplex

Tabla 4 CJ
CB 160 80 0 VB X1 X2 S1 ZJ (CJ - ZJ) 160 X1 1 80 X2 0 0 S1 0 M A1 0 0 S2 M A2 M A3 Valor

16.67 -16.67 1.667 0.667

0
0 160

1
0 80

0
1 0 0
72

0
-1 0 0 +M

-16.67 16.67 -0.667 0.333

5.67 - 5.67 1333 -1333 -1333 1333 +M 0.727 0.187 213 - 213 +M 133.3

Programacin lineal: mtodo Simplex

Tabla 4
CJ
CB 160 VB X1 X2 S1 ZJ (CJ - ZJ) 160 X1 1 0 0 160 80 X2 0 1 0 80 0 S1 0 0 1 0 0
73

M A1 0 0 -1 0 0 +M

0 S2

M A2

M A3 Valor

16.67 -16.67 1.667 0.667 -16.67 16.67 -0.667 0.333 5.67 - 5.67 1333 -1333 -1333 1333 +M 0.727 0.187 213 - 213 +M 133.3

80
0

Programacin lineal: mtodo Simplex

Tabla 5 CJ
CB 160 80 0 VB X1 X2 S2 ZJ (CJ - ZJ) 160 X1 1 80 X2 0 0 S1 - 2.94 M A1 2.94 0 S2 0 M A2 0 M A3 Valor

-0.47 0.118

0
0 160

1
0 80

2.94

- 2.94

0
1 0

0
-1 0

1.47

0.882

0.176 -0.176 -235.2 235.2 235.2 -235.2 +M

74

0.128 0.033 42.3 - 42.3 +M 89.44

Programacin lineal: mtodo Simplex

Gracias

75