MTODO SIMPLEX DE DOS FASES Y FORMAS PRIMAL Y DUAL EN LOS

PROBLEMAS LINEALES

CINDY CANTERO SOLANO.

FREDY MARTINEZ
(DOCENTE)

PROGRAMACION LINEAL Y NO LINEAL

UNIVERSIDAD DE CORDOBA

FACULTAD DE INGENIERIA
DEPARTAMENTO DE INGENIERIA DE SISTEMAS Y TELECOMUNICACIONES
MONTERIA - CORDOBA
2015

INTRODUCCION
El presente trabajo tiene como objetivo, dar a conocer la aplicacin del Mtodo
Simplex de dos fases y formas Primal y Dual en los problemas lineales.

OBJETIVOS

Objetivo general:
1. Comparar la factibilidad de usar el mtodo simplex de dos fase y primal y
dual.
2. Definir que son los mtodos simplex de dos fases, primal y dual.
3. Formular problemas relacionados con cada uno de los mtodos.
Objetivo Especfico:
Analizar, a travs del Mtodo simplex de dos fase, dual y primal, problemas de
optimizacin restringida considerando la importancia de estos para la toma de
decisiones y manejos de recursos.

METODO SIMPLEX DE DOS FASES

Este es otra variante del simplex que se aplica para resolver modelos de PL que
requieren una matriz unitaria de base artificial para poder iniciar el algoritmo.
El nombre indica que consiste de dos fases: En la 1, se reducen las artificiales
Wi a cero y en tal caso se optimiza en la 2, o bien, se concluye que no hay
solucin factible para el problema porque W i es diferente de cero en fase 1, y
por lo tanto no es necesaria la fase2.
Para la fase 1
Esta primera fase es muy similar al mtodo Simplex, con la excepcin de la
construccin de la primera tabla, adems de la necesidad de estudiar el
resultado obtenido para determinar si se desarrolla la segunda fase.
Construccin de la primera tabla:
Se elabora de manera anloga a la tabla inicial del mtodo Simplex, pero con
algunas diferencias.
En esta primera fase se resuelve un problema auxiliar (la minimizacin de la
suma de las variables artificiales) con una funcin objetivo auxiliar. Por lo tanto
en la primera fila de la tabla, donde se muestran los coeficientes de las
variables de la funcin objetivo, aparecern todos los trminos a cero excepto
los coeficientes de variables artificiales. El valor de cada uno de estos
coeficientes es "-1" debido a que se est minimizando la suma de dichas
variables (recuerde que minimizar Z' es igual que maximizar (-1) Z').
La otra diferencia para la primera tabla radica en que ahora s es necesario
calcular la fila Z (o fila indicadora).

Tabla
C0

C1

C2

...

Cn-k

...

Cn

Base

Cb

P0

P1

P2

...

Pn-k

...

Pn

P1

Cb1

b1

a11

a12

...

a1n-k

...

a1n

P2

Cb2

b2

a21

a22

...

a2n-k

...

a2n

...

...

...

...

...

...

...

...

...

Pm

Cbm

bm

am1

am2

...

amn-k

...

amn

Z0

Z1

Z2

...

Zn-k

...

Zn

Siendo Zj = (CbiPj) - Cj para i = 1m, donde si j = 0, P 0 = bi y C0 = 0, y en caso

contrario Pj = aij.

Condicin de parada y paso a la fase 2

La condicin de parada es la misma que en el mtodo Simplex normal. Esto es,
cuando en la fila indicadora ninguno de los valores de los costes reducidos es
negativo (ya que tal y como se ha planteado el objetivo es la maximizacin de
(-1) Z').
Cumplida la condicin de parada es necesario determinar si es posible pasar a
la segunda fase para obtener la solucin ptima del problema original. Esto se
hace observando el resultado obtenido en la primera fase: si su valor es 0,
significa que el problema original tiene solucin y es posible calcularla, en caso
contrario indica que se trata de un problema no factible y no tiene solucin.
Para la fase 2
La segunda fase del mtodo de las Dos Fases se desarrolla exactamente igual
que el mtodo Simplex, con la salvedad de que antes de iniciar las iteraciones
hay que eliminar las columnas correspondientes a las variables artificiales, y
reconstruir la tabla inicial.
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. Este paso
es muy sencillo, se trata nicamente de eliminar las columnas
correspondientes a las variables artificiales.
Construccin de la tabla inicial: La tabla inicial en este caso se
mantiene casi igual a la ltima tabla de la primera fase.
nicamente habr que modificar la fila de la funcin objetivo por
la del problema original y calcular nuevamente la fila Z (de la
misma forma que en la primera tabla de la fase 1).
A partir de este punto, todas las iteraciones hasta llegar a la solucin ptima
del problema no presentan ninguna diferencia con el mtodo Simplex.
EJEMPLO
Dado el siguiente PPL.
Min z=80X1 + 124X2

FUNCION OBJETIVO A

OPTIMIZAR

Sujeto a:
X1 + 0.8X2 100
X1 + 2X2 200
X1, X2 0
Figura 1.

RESTRICCIONESDEL PROBLEMA
DE PROGRAMACION LINEAL (PPL).

El PPL debe transformarse eliminando las inecuaciones (o restricciones del

modelo) y convirtindolas en ecuaciones, para lo cual debemos agregar en
cada inecuacin una variable de holgura con signo negativo que las
denotaremos por H, adems adicionaremos una variable artificial en cada
inecuacin que las denotaremos por A, tal como se mostrara en el cuadro
siguiente.
Ahora que hemos convertido las inecuaciones en ecuaciones, debemos
agregar las nuevas.
La funcin objetivo o funcin de optimizacin, de la siguiente manera: Las
variables de holguras se adicionan con coeficiente cero y las variables
artificiales con coeficiente uno.
Entonces as queda transformado el modelo matemtico del PPL que tenamos
en la Figura 1, listo para iniciar la primera fase del Simplex.
Min Z=0X1 + 0X2 + 0H1 + 0H2 + 1A1 + 1A2
Sujeto a:
X1 + 0.8X2 -H1 + A1 = 100
X1 + 2X2 -H2 + A2 = 200
X1, X2, H1, H2, A1, A2 0
Figura 2.
1ra Fase
Iniciando la primera fase para la solucin del problema anterior con el modelo
transformado se muestra en la Figura 2.
La tabla del Simplex del ejercicio constar de 6 filas y 10 columnas en las que
ubicaremos los datos (coeficientes de las variables y valores independientes o
lados derechos de las ecuaciones) que se encuentran en la Figura 2.
En la primera fila se ubican los coeficientes de la funcin objetivo, por
eso la fila inicia en la tercera columna con la notacin Cj (costos de la
funcin objetivos), que como se podr ver son 0, 0, 0, 0, 1,1. En la
segunda fila aparecen los nombres de las seis variables (X1, X2, H1,
H2, A1, A2) coincidiendo cada variable con los valores o costos de la
primer fila.
En la primera columna ubicamos la notacin XB que representa a las
variables bsicas y puede ver que bajo de ella aparecen, A1, A2.
Cuando se inicia la primera fase del Simplex se debe empezar con las
variables artificiales como variables bsicas.
En la segunda columna, segunda fila ubicamos la notacin CB, esta
notacin representa a los coeficientes o costos de las variables bsicas
que aparecen en la primera columna, los cuales son: A1=1 y A2=1.
Como se muestra en la tabla.
En la tercera columna, segunda fila ubicamos la notacin b que
representa los valores de los lados derechos de las ecuaciones o

restricciones del problema.

En la cuarta columna, segunda fila ubicamos la variable X1 y debajo de
ella los coeficientes respectivos en cada una de las dos ecuaciones.
En la quinta columna, segunda fila ubicamos la variable X2 y debajo de
ella los coeficientes respectivos en cada una de las dos ecuaciones.
En la sexta columna, segunda fila ubicamos la variable H1 y debajo de
ella los coeficientes respectivos en cada una de las dos ecuaciones.
En la sptima columna, segunda fila ubicamos la variable H2 y debajo de
ella los coeficientes respectivos en cada una de las dos ecuaciones.
En la octava columna, segunda fila ubicamos la variable A1 y debajo de
ella los coeficientes respectivos en cada una de las dos ecuaciones.
En la novena columna, segunda fila ubicamos la variable A2 y debajo de
ella los coeficientes respectivos en cada una de las dos ecuaciones.
En la dcima columna ubicamos la palabra Ratio y debajo de ella los
cocientes que resultan de dividir el valor de cada b por el coeficiente
de la variable que se elija como entrante a las bsicas.
En la quinta fila ubicamos la notacin Zj que representa el resultado de
multiplicar cada costo de las variables bsicas por cada columna donde
se ubican las variables del modelo.
En la sexta fila ubicamos la notacin Cj Zj que es la diferencia entre los
costos y los valores de Zj que calculamos en la fila anterior.

XB

CB

Cj
b

0
X1

0
X2

0
H1

0
H2

1
A

1
A2

Ratio

A1

100

A2

200

Zj
Cj-Zj

0.
-1
0
8
1
2
0
-1
2
2.
-1
-1
8
-2
1
1
2.
8
Tabla del Simplex

0
1

1
1

100/0.
8
200/2

1.

Iteracin 1:
Una vez que hemos llenado el tabloide o tabla del simplex procedemos a
realizar el proceso de optimizacin (1ra. Fase) para lo cual se debe:

 Observamos la sexta fila y buscamos los Cj Zj < 0 y podemos ver que

hay dos valores -2 y -2.8, seleccionando al ms negativo o sea -2.8
correspondiente a la variable X2, que ser la variable que entrar a ser
bsica.

Una vez seleccionada X2 procederemos obtener los cocientes de cada b

entre los coeficientes de X2. 1000.8=120; 2002=100, el cociente
ms pequeo es 100, esto indica que la variable bsica que saldr es
A2.

El nmero pivote es 2, por lo que procedemos a multiplicar por la fila

por 0.5, con el propsito de que el nmero pivote sea uno. (VER TABLA
SIMPLEX 2).

Ahora debemos hacer cero el valor 0.8 encima del valor pivote para ello
multiplicamos la fila 4 por -0.4 y el resultado se lo sumamos a la fila 3.
(VER TABLA SIMPLEX 2).
Ahora calculamos los Zj en cada columna de las variables del tabloide
(VER TABLA SIMPLEX 2).
Calculamos los Cj Zj y los resultados (VER TABLA SIMPLEX 2).

XB

CB

Cj
b

0
X1

0
X2

0
H1

0
H2

1
A

A1

20

0.
6

-1

0.4

X2

100

1
A2

Ratio

Zj
Cj-Zj

0.
1
0
-0.5
5
0.
0
-1
0.4
6
0
1
-0.4
0.
6
Tabla del Simplex

0
1
0

0.
4
0.
5
0.4
0.4

33.33
200

2.

Iteracin 2:
Observamos la sexta fila y buscamos los Cj Zj < 0 y podemos ver que
hay dos valores -0.6 y -0.4, seleccionando al ms negativo o sea -0.6
correspondiente a la variable X1, que ser la variable que entrar a ser
bsica.
Una vez seleccionada X1 procederemos obtener los cocientes de cada b
entre los coeficientes de X1. 200.6=33.33; 1000.5=200, el cociente
ms pequeo es 33.33, esto indica que la variable bsica que saldr es

A1.

El nmero pivote es 0.6, por lo que procedemos a multiplicar por la fila

por 1/0.6, con el propsito de que el nmero pivote sea uno. (Ver Tabla
del Simplex 3)

Ahora debemos hacer cero el valor 0.5 debajo del valor pivote para ello
multiplicamos la fila 3 por -0.5 y a la fila 4 por 0.6. y sumamos dichas
filas (Ver Tabla del Simplex 3)

Ahora calculamos los Zj en cada columna de las variables de la tabla

del simplex (Ver Tabla del Simplex 3).

Calculamos los Cj Zj y los resultados los vemos en la tabla del simplex

3.
Cj
b

0
X1

0
X2

0
H1

0
H2

1
A1

1
A2
0.6
6
0.1
6

XB

CB

A1

33.3
3

1.66

0.6
6

1.6
6

X2

83.3
3

0.83

0.8
3
0

0.8
3
0

Zj
Cj-Zj

Rati
o

0
1

Tabla del Simplex 3.

Vemos los Cj-Zj de la tabla del simplex 3; y vemos que no hay ningn valor
menor que cero, es decir que todos los Cj-Zj 0. Por lo que hemos llegado al
fin de la 1ra. Fase. Esto nos permite pasar a la 2da. Fase.
2da. Fase:
Se sustituyen los Cj por los originales y se recalcula la solucin:
Se eliminan las variables artificiales del ltimo tabloide.
Recalcula los Zi y los Cj-Zj.
Por lo que obtenemos el tabloide siguiente.

XB
X1

CB
80

X2

124

Cj

80

X1
1

12
4
X2
0

b
33.3
3
83.3
3

H1
-1.66

H2
0.66

Ratio

0.83

-0.83

83.33/0.8
3

80
Zj
Cj-Zj

12
4
0

29.88
29.88

50.12
50.12

Tabla del Simplex 4.

Observamos la sexta fila y buscamos los Cj Zj 0 por lo que se ha
llegado al ptimo.
Por lo que la solucin ptima ser:
X1=33.33
X2=83.33
Z=80*33.33 + 124*83.33= 12,999.32=13,000
METODO SIMPLEX DUAL
El mtodo simplex dual resulta ser una estrategia algortmica eficiente cuando
luego de llevar un modelo de programacin lineal a su forma estndar, la
aplicacin del mtodo simplex no es inmediata o ms bien compleja, por
ejemplo, puede requerir la utilizacin del mtodo simplex de 2 fases.
Una aplicacin tpica del mtodo simplex dual es en la resolucin de problemas
con una funcin objetivo de minimizacin, con restricciones del tipo mayor o
igual y donde las variables de decisin son mayores o iguales a cero.
Este mtodo se aplica a problemas ptimos pero infactibles. En este caso, las
restricciones
se
expresan
en
forma
cannica
(restricciones
).
La funcin objetivo puede estar en la forma de maximizacin o de
minimizacin. Despus de agregar las variables de holgura y de poner el
problema en la tabla, si algn elemento de la parte derecha es negativo y si la
condicin de optimidad est satisfecha, el problema puede resolverse por el
mtodo dual simplex. Note que un elemento negativo en el lado derecho
significa que el problema comienza ptimo pero infactible como se requiere en
el mtodo dual simplex. En la iteracin donde la solucin bsica llega a ser
factible esta ser la solucin ptima del problema.

CONDICION DE FACTIBILIDAD.
La variable que sale es la variable bsica que tiene el valor ms negativo (los
empates se rompen arbitrariamente si todas las variables bsicas son no
negativas, el proceso termina y esta ltima tabla es la solucin ptima
factible).
CONDICION DE OPTIMIDAD.

La variable que entra se elige entre las variables no bsicas como sigue. Se
toma los cocientes de los coeficientes de la funcin objetivo entre los
coeficientes correspondientes a la ecuacin asociada a la variable que sale.
Ignore los cocientes asociados a denominadores positivos o cero. La variable
que entra es aquella con el cociente ms pequeo si el problema es de
minimizar o el valor absoluto ms pequeo si el problema es de maximizacin
(rompa los empates arbitrariamente). Si los denominadores son ceros o
positivos el problema no tiene ninguna solucin factible.
EJEMPLO
Consideramos el siguiente modelo de Programacin Lineal:
Min 315A + 110B + 50C
s.a 15A + 2B + C 200
7,5A + 3B + C 150
5A + 2B + C 120
A, B, C0
Paso 1: Se lleva el modelo a su forma estndar. En nuestro ejemplo esto se
logra agregando variables de exceso en cada una de las restricciones (3
primeras: S1, S2, S3, respectivamente). Luego, se multiplica cada fila de las
restricciones por -1 de modo de disponer una solucin bsica inicial (infactible)
en las variables de exceso S1, S2 y S3. De esta forma se obtiene la siguiente
tabla inicial.
A
-15

B
-2

C
-1

S1
1

S2
0

S3
0

-7,5

-3

-1

-5

-2

-1

315

11
0

50

200
150
120
0

Paso 2: Se selecciona el lado derecho "ms negativo" lo cual indicar cul de

las actuales variables bsicas deber abandonar la base. En el ejemplo el lado
derecho ms negativo se encuentra en la primera fila, por tanto S1 deja la
base. Para determinar cul de las actuales variables no bsicas (A, B, C)
entrar a la base se busca el mnimo de {-Yj/aij} donde aij es el coeficiente de
la respectiva variable no bsica en la fija i (del lado derecho ms negativo,
marcado en azul) y donde Yj es el costo reducido de la respectiva variable no
bsica. De esta forma se obtiene: Min {-315/-15, -110/-2, -50/-1} = 21,
donde el pivote (marcado en rojo) se encuentra al hacer el primer cociente, por
tanto A entra a la base.

Paso 3: Se actualiza la tabla anterior siguiendo un procedimiento similar al

utilizado en el Mtodo Simplex. En el ejemplo se debe dejar a la variable A
como bsica y S1 como no bsica. La tabla que resulta es la siguiente:
A
1

B
2/1
5

C
1/1
5

0
0

-2
-4/3

-1/2

68

-2/3
29

S1
1/1
5
-1/2
-1/3

S2
0

S3
0

1
0

0
1

21

40/3
-50
160/3
4.200

Paso 4: Continuar las iteraciones y siguiendo el mismo procedimiento hasta

disponer de una solucin bsica factible. Luego de unas iteraciones se obtiene
la siguiente tabla final:
A
1

B
0

C
0

0
0
0

1
0
0

0
1
0

S1
1/1
0
1/4
0
4

S2
0

S3
1/1
0

-1
2
10

3/4
-3
36

8
10
60
6.620

La solucin ptima es A=8, B=10, C=60 (marcado en azul) con valor ptimo V
(P)=6.620(marcado en rojo - se obtiene con signo cambiado). Tambin es
interesante notar que los costos reducidos de las variables artificiales S1, S2 y
S3 (marcado en amarillo).

CONCLUSION
Por consiguiente se puede concluir que:
El mtodo simplex de dos fases es una variante del algoritmo simple
que es usado como alternativa al Mtodo de la gran M.
El mtodo simplex de dos fases es considerado un problema auxiliar.
Si el mtodo simplex de dos fases tiene un valor ptimo de cero puede ir
a la fase II.
El mtodo simplex primales y duales se encuentran ligados por una
serie de relaciones que puede ser considerado de gran utilidad para la
resolucin de problemas que parecen no factibles o que no pueden ser
resueltos mediante un mtodo en particular.
Para toda restriccin del primal hay una variable dual.
Para toda variable del primal hay una restriccin dual.
Los coeficientes de las restricciones de una variable primal, forman los
coeficientes del primer miembro de la restriccin dual correspondiente.

BIBLIOGRAFIA
1. http://www.phpsimplex.com/teoria_metodo_simplex.htm
2. https://jrvargas.files.wordpress.com/2008/08/ejemplo-mc3a9todosimplex-de-las-dos-fases.pdf
3.

http://prof.usb.ve/nbaquero/metodo%20simplex.doc

4. http://fceioperativa.unse.edu.ar/asignaturas/Modelos_Matematicos_I/at/si
mplexDual.pdf
5. http://www.investigaciondeoperaciones.net/metodo_simplex_dual.html
6. http://oromeroio.blogcindario.com/ficheros/MetodoSimplexDual.pdf