Terminologa de las soluciones del modelo

Puede ser que el lector est acostumbrado a que el trmino

solucin signifique la respuesta final a un problema, pero en
programacin lineal (y sus extensiones) la convencin es
bastante distinta. Ahora, cualquier conjunto de valores
especficos de las variables de decisin (x , x ,..., x ) se llama
1 2 n

unasolucin, aunque sea slo una posibilidad deseable o ni

siquiera permitida. Despus se identifican los tipos de
soluciones mediante el empleo de un adjetivo apropiado.
Una solucin factible es aquella para la que todas las
restricciones se satisfacen.
Una solucin no factible es una solucin para la que al menos
una restriccin se viola.
La regin factible es la reunin de todas las soluciones factibles.
Dado que existen soluciones factibles, la meta de la
programacin lineal es encontrar una solucin factible que sea la
mejor, medida por el valor de la funcin objetivo en el modelo.
Una solucin ptima es una solucin factibleque proporciona el
valor ms favorable de la funcin objetivo.
El valor ms favorable significa el valor ms grande si la
funcin objetivo debe maximizarse, o el valor ms pequeo si la
funcin objetivo debe minimizarse.
La mayor parte de los problemas tendr nada ms una solucin
ptima. Sin embargo, tambin es posible tener ms de una.
Otra posibilidad es que el problema no tenga soluciones
ptimas, lo cual ocurre slo si: 1) no tiene soluciones factibles,
o 2) las restricciones no impiden que el valor de la funcin
objetivo (Z) mejore indefinidamente en la direccin favorable
(positiva o negativa). Este caso se conoce como un problema
con Z no acotada u objetivo no acotado.
Ahora se introducir un tipo especial de soluciones factibles que
tiene un papel importante cuando el mtodo simplex trata de
encontrar una solucin ptima.
Una solucin factible en un vrtice (FEV) es una solucin que
se encuentra en una esquina de la regin factible.
(Las soluciones FEV tambin se conocen como puntos extremos
o esquinas, pero preferimos la terminologa ms sugerente de
vrtice.)
Relacin entre las soluciones ptimas y las soluciones
FEV: Considere cualquier problema de programacin lineal con
soluciones factibles y una regin factible acotada. El problema
debe poseer soluciones FEV y al menos una solucin ptima.
Adems, la mejor solucin FEV debe ser una solucin ptima.
Entonces, si un problema tiene exactamente una solucin
ptima, sta debe ser una solucin FEV. Si el problema tiene
mltiples soluciones ptimas, al menos dos deben ser soluciones
FEV.

Esencia del mtodo simplex

El mtodo simplex es un procedimiento algebraico. Sin
embargo, sus conceptos fundamentales son geomtricos. La
comprensin de estos conceptos geomtricos proporciona una
fuerte intuicin sobre la forma en que opera el mtodo simplex y
las razones de su elevada eficiencia.

Conceptos clave de solucin

El primer concepto de solucin se basa de manera directa en la
relacin entre las soluciones ptimas y las soluciones factibles
en los vrtices.
Concepto de solucin 1: El mtodo simplex analiza slo las
soluciones FEV. Para cualquier problema con al menos una
solucin ptima, la ubicacin de una de ellas slo requiere
encontrar una mejor solucin FEV.
Debido a que, por lo general, el nmero de soluciones factibles
es infinito, la reduccin del nmero de soluciones que deben
examinarse a un pequeo nmero finito es una simplificacin
enorme.
El siguiente concepto de solucin define el flujo del mtodo
simplex.

Concepto de solucin 2. El mtodo simplex es un algoritmo

iterativo (procedimiento de solucin sistemtico que repite una
serie fija de pasos, llamada iteracin, hasta que se obtiene el
resultado deseado) con la siguiente estructura.
Inicializacin: Preparacin para comenzar las iteraciones, que incluye encontrar una
solucin FEV inicial.
Prueba de
Es ptima la solucin FEV actual?
optimalidad:
No
S Termina

Iteracin: Realizar una iteracin para encontrar una mejor solucin FEV.

Ahora se analizar la forma de comenzar.

Concepto de solucin 3: Siempre que es posible, en el paso
inicial del mtodo simplex se elige el origen (todas las variables
de decisin iguales a cero) como la solucin FEV inicial.
Cuando se tienen demasiadas variables de decisin para
encontrar una solucin FEV inicial en una grfica, esta eleccin
elimina la necesidad de usar procedimientos algebraicos para
obtenerla.
Casi siempre es posible seleccionar el origen cuando todas las
variables de decisin tienen restricciones de no negatividad,
porque la interseccin de estas fronteras de restriccin lleva al
origen como una solucin en un vrtice. En consecuencia, esta
solucin es una solucin FEV a menos que sea no factible
porque viole una o ms restricciones funcionales.
El siguiente concepto de solucin se refiere a la seleccin de una
mejor solucin FEV en cada iteracin.

Concepto de solucin 4: Dada una solucin FEV. en trminos

de cmputo, es ms rpido reunir informacin sobre sus
soluciones FEV adyacentes que sobre otras soluciones FEV. Por
lo tanto, cada vez que el mtodo simplex realiza una iteracin
para moverse de la solucin FEV actual a una mejor, siempre
escoge una solucin FEV adyacente a la actual. No considera
otras soluciones FEV. En consecuencia, toda la trayectoria que
sigue hasta alcanzar una solucin ptima es a lo largo de las
aristas de la regin factible. A continuacin se ver cul solucin
FEV adyacente se debe seleccionar en cada iteracin.
Concepto de solucin 5: Despus de identificar la solucin FEV
actual, el mtodo simplex examina cada una de las aristas de la
regin factible que salen de esta solucin. Estas aristas conducen
a una solucin FEV adyacente en el otro punto extremo, pero el
mtodo simplex ni siquiera se toma la molestia de obtener la
solucin FEV adyacente. Slo identifica la tasa de mejoramiento
de Z que se obtendra al moverse por esa arista. Entre las aristas
con una tasa positiva de mejoramiento de Z, selecciona moverse
por aquella con la tasa ms grande de mejoramiento de Z. La
iteracin termina cuando se obtiene primero la solucin FEV al
final de esta arista y despus se reetiqueta esta solucin FEV
adyacente como la solucin FEV actual para pasar a la prueba de
optimalidad y (si es necesario) a la siguiente iteracin.
El concepto de solucin final aclara la manera en que se realiza
la prueba de optimalidad en forma eficiente.

Concepto de solucin 6: El concepto de solucin 5 describe la

manera en que el mtodo simplex examina cada arista de la
regin factible que sale de la solucin FEV actual. A travs de
este examen de una arista es sencillo identificar la tasa de
mejoramiento de Z que se obtendra al moverse por ella hasta la
solucin FEV adyacente en el otro extremo. Una tasa positiva de
mejoramiento de Z indica que la solucin FEV adyacente es
mejor que la actual, mientras que una tasa negativa de
mejoramiento de Z indica que la solucin FEV adyacente es
peor. Por lo tanto, la prueba de optimalidad consiste slo en
verificar si alguna de las aristas conduce a una tasa positiva de
mejoramiento de Z. Si ninguna lo hace, la solucin FEV actual
es ptima.
Problema proptotpico
En la seccin anterior se hizo hincapi en los conceptos
fundamentales del mtodo simplex. Sin embargo, es necesario
transformar el procedimiento geomtrico conceptual en un
procedimiento algebraico que se pueda usar.
Forma original del modelo
Maximizar Z = 3x + 5x
1 2

sujeta a
x 4
1

2x 12
2

3x + 2x 18
1 2

y
x 0, x 0.
1 2

El primer paso para preparar el mtodo simplex es convertir las

restricciones funcionales de desigualdad en restricciones de
igualdad equivalentes (las restricciones de no negatividad se
dejan como desigualdades porque se manejan por separado).
Esta conversin se logra mediante la introduccin de variables
de holgura.
Considere la primera restriccin funcional del problema
x 4.
1

La variable de holgura de esta restriccin se define como

x3 = 4 - x , 1

que es la holgura que queda en el lado izquierdo de la

desigualdad. Entonces,
x + x3 = 4.
1

Al introducir variables de holgura en las otras restricciones

funcionales, el modelo de programacin lineal original se puede
sustituir por el modelo equivalente.
Forma aumentada del modelo
Maximizar Z = 3x + 5x , 1 2

sujeta a
1) x + x3 = 4
1

2) 2x + x4 = 12
2

3) 3x + 2x + x5 = 18
1 2

x 0 para j = 1, 2, 3, 4, 5.
j

La nueva forma del modelo es mucho ms conveniente para la

manipulacin algebraica y la identificacin de las soluciones
FEV. Se le da el nombre de forma aumentada del problema,
porque la forma original se aument con variables
suplementarias necesarias para aplicar el mtodo simplex.
Si una variable de holgura es igual a 0 en la solucin actual,
entonces esta solucin se encuentra sobre la frontera de
restriccin de la restriccin funcional correspondiente. Un valor
mayor que 0 significa que la solucin est en el lado factible de
la frontera de restriccin, mientras que un valor menor que 0
seala que est en el lado no factible de la frontera.
Debido a que los trminos solucin bsica y solucin bsica
factible son partes muy importantes del vocabulario normal de
programacin lineal, es necesario aclarar sus propiedades
algebraicas. En el caso de la forma aumentada del ejemplo
observe que el sistema de restricciones funcionales tiene 5
variables y 3 ecuaciones, esto es,

Nmero de variables - nmero de ecuaciones = 5 - 3 = 2.

Este hecho proporciona 2 grados de libertad cuando se debe
resolver el sistema puesto que se puede elegir dos variables
cualesquiera e igualarlas a cualquier valor arbitrario para
resolver las tres ecuaciones en trminos de las tres variables
restantes. El mtodo simplex usa cero para este valor arbitrario.
As, dos de las variables (llamadas variables no bsicas) se
igualan a cero y, entonces, la solucin simultnea de las tres
ecuaciones de las otras tres variables (llamadas variables
bsicas) es una solucin bsica.

Paso inicial

Se elige x y x como las variables no bsicas (las variables que

1 2

se igualan a cero) para la solucin BF inicial.

x = 0 y x = 0 entonces
1 2

(1) x + x3 = 4 x3 = 4
1

(2) 2x + x4 = 12 x4 = 12
2

(3) 3x + 2x + x5 = 18 x5 = 18
1 2

En consecuencia, la solucin BF inicial es (0, 0, 4, 12, 18).

Prueba de optimalidad

La funcin objetivo es
Z = 3x + 5x ,
1 2

de manera que Z = 0 en la solucin BF inicial. Debido a que

ninguna variable bsica (x , x , x ) tiene coeficiente distinto de
3 4 5

cero en esta funcin objetivo, el coeficiente de las variables no

bsicas (x , x ) proporciona la tasa de mejoramiento de Z si se
1 2

aumenta el valor de esa variable a ms de cero (mientras que los

valores de las variables bsicas se ajustan para que satisfagan el
sistema de ecuaciones). Estas tasas de mejoramiento (3 y 5) son
positivas. Por lo tanto se concluye que (0, 0, 4, 12, 18) no es
ptima.

Iteracin 1

Paso 1. Determinacin de la direccin de movimiento

Z = 3x1 + 5x2
Aumenta x1? Tasa de mejoramiento Z = 3.
Aumenta x2? Tasa de mejoramiento Z = 5.
5 > 3, de manera que se elije x2 para aumentar su valor
Paso 2. Determinacin de dnde detenerse
Si aumenta la variable x2 crece el valor de Z, el cual desea
incrementar lo ms posible sin salirse de la regin factible. El
requerimiento de satisfacer las restricciones funcionales de la
forma aumentada significa que al aumentar x 2 (al mismo tiempo
que se mantiene la variable no bsica x 1 = 0) cambia el valor de
algunas variables bsicas.
x1 = 0, por lo tanto
(1) x1 + x3 = 4 x3 = 4
(2) 2x2 + x4 = 12 x4 = 12 - 2x2
(3) 3x1 + 2x2 + x5 = 18 x5 = 18 - 2x2.
Las variables no bsicas (entre ellas la variable entrante x 2) son
no negativas, pero es necesario verificar cunto puede crecer
x2 sin violar las restricciones de no negatividad de las variables
bsicas.
x3 = 4 0 no hay cota superior sobre x 2.

En consecuencia, x2 puede crecer exactamente hasta 6, punto en

el que x4 ha llegado a 0.
Paso 3. Resolucin de una nueva solucin BF
Cuando aumenta x2 = 0 hasta x2 = 6 el procedimiento se mueve
de la solucin BF inicial que se muestra a la izquierda hacia la
nueva solucin BF de la derecha.
Solucin BF inicial Nueva solucin BF
Variables no
x1 = 0, x2 = 0 x1 = 0, x4 = 0
bsicas:
Variables bsicas: x3 = 4, x4 = 12, x5 = 18 x3 = ?, x2 = 6, x5 = ?
El propsito del paso 3 es convertir el sistema de ecuaciones en
una forma ms conveniente (la forma adecuada de eliminacin
gaussiana) para llevar a cabo la prueba de optimalidad y la
siguiente iteracin (si es necesario) con la nueva solucin BF.
-
(0) Z -5x2 =0
3x1
(1) x1 +x3 =4
 =
(2) 2x2 +x4
12
+2x =
(3) 3x1 +x5
2 18

- +5/2x = 5/2*ec.(2) +
(0) Z
3x1 4 30 ec.(0)
(1) x1 +x3 =4
+1/2x
(2) x2 =6 1/2*ec.(2)
4
-1*ec.(2) +
(3) 3x1 -x4 +x5 = 6
ec.(3)
Como x1 = 0 y x4 = 0, las ecuaciones de esta forma llevan de
inmediato a la nueva solucin BF, (x 1, x2, x3, x4, x5) = (0, 6, 4, 0,
6), de donde se obtiene Z = 30.
Prueba de optimalidad de la nueva solucin bsica factible

La ecuacin bsica actual proporciona el valor de la funcin

objetivo en trminos nada ms de las variables no bsicas
actuales,

Como x1 tiene coeficiente positivo, cuando crece conduce a una

solucin BF adyacente que es mejor que la solucin actual, por
lo que sta todava no es ptima.
Iteracin 2
Paso 1
Como Z se puede aumentar si aumenta el valor de x 1, pero no el
de x4. Por lo tanto, se elige a x1 como la variable bsica entrante.
Paso 2
El sistema de ecuaciones actual lleva a las siguientes
conclusiones sobre qu tanto se puede aumentar x 1 (con x4 = 0):

x2 = 6 0 no hay cota superior sobre x1

Por lo tanto, la prueba de cociente mnimo indica que x 5 es la

variable bsica que sale.
Paso 3
Se sustituye x5 (variable bsica saliente) por x1 (variable bsica
entrante) como variable bsica, se realizan las operaciones
algebraicas elementales en el sistema de ecuaciones actual.
- +5/2x =
(0) Z
3x1 4 30
(1) x1 +x3 =4
+1/2x
(2) x2 =6
4
(3) 3x1 -x4 +x5 = 6

+3/2x = ec.(3) + ec.

(0) Z +x5
4 36 (0)
(1) +x3 +1/3x - = 2 -1/3*ec.(3) +
 4 1/3x5 ec.(1)
+1/2x
(2) x2 =6
4
- +1/3x
(3) x1 =2 1/3*ec.(3)
1/3x4 5

Por lo tanto, la siguiente solucin BF es (x1, x2, x3, x4, x5) = (2, 6,
2, 0, 0), de donde se obtiene Z = 36.
Prueba de optimalidad

Para aplicar la prueba de optimalidad a esta nueva solucin BF

se usa la ecuacin (0) actual para expresar Z slo en trminos de
las variables no bsicas actuales,

Cuando se incrementa x4 o x5 el valor de Z disminuir, de

manera que ninguna solucin BF adyacente es tan buena como
la actual. Entonces, la solucin BF actual debe ser ptima.