Академический Документы
Профессиональный Документы
Культура Документы
variables del
mtodo Simplex
Investigacin Unidad II
de Operaciones Tema 6
METODO SIMPLEX
El Mtodo Simplex publicado por George Dantzig en 1947 consiste en un algoritmo iterativo que
secuencialmente a travs de iteraciones se va aproximando al ptimo del problema de Programacin Lineal en caso de existir esta
ltima.
La primera implementacin computacional del Mtodo Simplex es el ano 1952 para un problema de 71 variables y 48 ecuaciones. Su
resolucin tarda 18 horas. Luego, en 1956, un cdigo llamado RSLP1, implementado en un IBM con 4Kb en RAM, admite la resolucin
de modelos con 255 restricciones.
El Mtodo Simplex hace uso de la propiedad de que la solucin ptima de un problema de Programacin Lineal se encuentra en un
vrtice o frontera del dominio de puntos factibles (esto ltimo en casos muy especiales), por lo cual, la bsqueda secuencial del
algoritmo se basa en la evaluaci2n progresiva de estos vrtices hasta encontrar el ptimo. Cabe destacar que para aplicar el Mtodo
Simplex a un modelo lineal, este debe estar en un formato especial conocido como formato estndar el cual definiremos a
continuacin.
Consideremos un modelo d2e Programacin Lineal en su forma estandar, que denotaremos en lo que sigue por:
Min cTx
s.a Ax = b
x >= 0
No existe prdida de generalidad en asumir que un modelo de PL viene dado en su forma estndar:
EJEMPLO
P) Max 9u + 2v + 5z5
sa 4u + 3v + 6z <= 50
u + 2v - 3z >= 8
2u - 4v + z = 5
u,v >= 0
z e IR
1. Siempre es posible llevar un problema de maximizacin a uno de minimizacin. Si f(x) es la funcin objetivo a maximizar
y x* es la solucin ptima f(x*) >= f(x), para todo x factible. -f(x*) <= - f(x), para todo x factible. En
consecuencia: x* es tambin mnimo de -f(x)
2. Cada restriccin del tipo <= puede ser llevada a una ecuacin de igualdad usando una (nueva) variable deholgura no
negativa, con coeficiente nulo en la funcin objetivo.
3. Cada restriccin del tipo >= puede ser llevada a una ecuacin de igualdad usando una (nueva) variable deexceso no
negativa, con coeficiente nulo en la funcin objetivo.
4. Siempre es posible escribir una variable2 libre de signo como la diferencia de dos variables no negativas.
Considerando la siguiente notacin: u = x1, v = x2, z = x3 - x4, s1 = x5 (holgura), s2 = x6 (exceso), el problema P) puede
ser escrito en forma equivalente como:
EJEMPLO:
Para poder aplicar el Mtodo Simplex, es necesario llevar el modelo a su formato estndar, para lo cual definimos X3, X4, X5 >=
0 como las respectivas variables de holgura para la restriccin 1, 2 y 3. De esta forma queda definida la tabla inicial del mtodo
de la siguiente forma:
X1 X2 X3 X4 X5
2 1 1 0 0 70
1 1 0 1 0 40
1 3 0 0 1 90
-40 -60 0 0 0 0
En esta situacin, las variables de holgura definen una solucin bsica factible inicial, condicin necesaria para la aplicacin del
mtodo. Luego, se verifican los costos reducidos de las variables no bsicas (X1 y X2 en la tabla inicial) y se escoge como variable
que entra a la base aquella con el costo reducido "ms negativo". En este caso, X2.
Luego, para escoger que variable bsica deja la base debemos buscar el mnimo cuociente entre el lado derecho y los coeficientes
asociados a la variable entrante en cada fila (para aquellos coeficientes > 0 marcados en rojo en la tabla anterior). El mnimo se
alcanza en Min {70/1, 40/1, 90/3} = 30 asociado a la tercera fila, el cual corresponde a la variable bsica actual X5, en
consecuencia, X5 deja la base. En la posicin que se alcanza el mnimo cuociente lo llamaremos "Pivote" (marcado con rojo) el
cual nos servir para realizar las respectivas operaciones filas, logrando la siguiente tabla al cabo de una iteracin:
X1 X2 X3 X4 X5
5/3 0 1 0 -1/3 40
2/3 0 0 1 -1/3 10
1/3 1 0 0 1/3 30
-20 0 0 0 20 1800
El valor de la funcin objetivo luego de una iteracin ha pasado de 0 a 1.800. Se recomienda al lector hacer una representacin
grfica del problema y notar como las soluciones factibles del mtodo corresponden a vrtices del dominio de puntos
factibles.
La actual tabla no corresponde a la solucin ptima del problema P) debido a que existe una variable no bsica con costo reducido
negativo, por tanto X1 entra a la base. Posteriormente, mediante el criterio del mnimo cuociente calculamos la variable que debe
dejar la base: Min {40/(5/3), 10/(2/3), 30/(1/3)} = 15, asociado a la fila 2 (variable bsica actual X4), por tanto X4 deja la base.
Obtenido lo anterior se aplica una iteracin del mtodo:
X1 X2 X3 X4 X5
0 0 1 -5/2 1/2 15
1 0 0 3/2 -1/2 15
0 1 0 -1/2 1/2 25
0 0 0 30 10 2100
Finalmente se alcanza la solucin ptima del problema P) y se verifica que los costos reducidos asociados a las variables no bsicas
(X4 y X5 son mayores o iguals que cero). Notse que la existencia de un costo reducido igual a cero para una variable no bsica en
esta etapa define un problema con "infinitas soluciones".
La solucin alcanzada es X1* = 15, X2* = 25 con V(P*) = 2.100. Adicionalmente, los costos reducidos asociados a las variables
no bsicas definen el precio sombra asociado a las restricciones 1, 2 y 3, respectivamente, lo cual es equivalente a la obtencin del
precio sombra mediante el mtodo grfico. Dejaremos para una posterior presentacin, la forma de calcular el intervalo de variacin
para el lado derecho que permite la validez del precio sombra, utilizando la tabla final del Mtodo Simplex.
Esta estrategia se utiliza cuando no es inmediata una solucin bsica factible inicial en las variables originales del modelo.
FASE 1: Se considera un problema auxiliar que resulta de agregar tantas variables auxiliares a las restricciones del problema, de
modo de obtener una solucin bsica factible. Resolver por Simplex un problema que considera como funcin objetivo la suma de las
variables auxiliares. Si el valor ptimo es cero, seguir a la Fase II, en caso contrario, no existe solucin factible.
FASE 2: Resolver por Simplex el problema original a partir de la solucin bsica factible inicial hallada en la Fase I.
P) Max 2X1 + X2
sa 10X1 + 10X2 <= 9
10X1 + 5X2 >= 1
X1, X2 >= 0
Se debe agregar X3 como variable de holgura de la restriccin 1, X4 como variable de exceso de la restriccin 2 y X5 variable auxiliar
para poder comenzar la Fase 1. (Ntese que solo agregando X3 como variable de holgura a la restriccin 1 y X4 como variable de
exceso a las segunda restriccin no se obtiene una solucin bsica factible inicial, en particular X4<0).
F1) Min X5
sa ...............10X1 + 10X2 + X3 = 9
10X1 + 5X2 - X4 + X5 = 1
X1, X2, X3, X4, X5 >= 0
X1 X2 X3 X4 X5
10 10 1 0 0 9
10 5 0 -1 1 1
0 0 0 0 1 0
Luego, se debe hacer 0 el costo reducido de X5, obteniendo la siguiente tabla inicial para hacer el uso de Simplex:
X1 X2 X3 X4 X5
10 10 1 0 0 9
10 5 0 -1 1 1
-10 -5 0 1 0 -1
Se escoge X1 como variable que entra a la base al tener el costo reducido ms negativo. Posteriormente, mediante el criterio del
mnimo cuociente se selecciona la variable que sale de la base: Min {9/10; 1/10} = 1/10, X5 sale de la base:
X1 X2 X3 X4 X5
0 5 1 1 -1 8
1 1/2 0 -1/10 1/10 1/10
0 0 0 0 1 0
Se obtiene la solucin ptima de la Fase I, con valor ptimo cero. Luego iniciamos la Fase II del mtodo tomando X1 y X3 como
variables bsicas iniciales.
FASE 2: Resolver por Simplex el problema original a partir de la solucin bsica factible inicial hallada en la Fase I.
X1 X2 X3 X4
0 5 1 1 8
1 1/2 0 -1/10 1/10
-2 -1 0 0 0
X1 X2 X3 X4
0 5 1 1 8
1 1/2 0 -1/10 1/10
0 0 0 -1/5 1/5
X4 entra a la base. Por el criterio del mnimo cuociente, el pivote se encuentra en la fila 1, por tanto X3 sale de la base:
X1 X2 X3 X4
0 5 1 1 8
1 1 1/10 0 9/10
0 1 1/5 0 9/5
Donde la solucin ptima es: X1=9/10 X2=0 Con valor ptimo V(P) = 9/5.
Llevar un problema de Programacin Lineal a su forma estndar no siempre es inmediato. Un error frecuente es tratar de resolver
por el Mtodo Simplex un modelo que no cumple con el diseo que exige el mtodo. A continuacin algunos ejemplos y casos
especiales a tener en cuenta:
CAMBIO DE VARIABLES
En consecuencia, lo ms eficiente es hacer un cambio de variables de modo que todas las restricciones queden del tipo "<=" y de
esta forma se dispone de una solucin bsica factible inicial. Sea Y1=X1-100>=0; Y2=X2-60>=0; Y3=X3-60>=0.
Reemplazamos en el modelo anterior, el cual queda de la siguiente forma:
Ntese que se podra obviar la restriccin 2 y obtener identicos resultados. De todos modos definimos la tabla inicial asociada a
este nuevo problema:
Y1 Y2 Y3 S1 S2 S3
0 1 2 1 0 0 60
1 1 1 0 1 0 180
2 1 1 0 0 1 40
-2 -2 -4 0 0 0 0
Compruebe que Y1=5 (X1=105), Y2=0 (X2=60), Y3=30 (X3=90) con V(P)=690.
PROBLEMA INFACTIBLE
Esta situacin se detecta cuando el valor ptimo del problema de la fase 1 es distinto de cero.
Llevamos el modelo a su forma estndar agregando X3 como variable de holgura de la restriccin 1, X4 como variable de exceso de
la restriccin 2 y X5 como variable artificial de la restriccin 2 que nos permita formar la base. De esta forma el modelo de la fase 1
queda definido por:
Min x5
s.a: 2x1 + x2 + x3 = 2
3x1 + 4x2 -x4 + x5= 12
x1,x2,x3,x4,x5 >= 0
X1 X2 X3 X4 X5
2 1 1 0 0 2
3 4 0 -1 1 12
0 0 0 0 1 0
X1 X2 X3 X4 X5
2 1 1 0 0 2
-5 0 -4 -1 1 4
5 0 4 0 0 -4
EJEMPLO PROBLEMA NO ACOTADO:
Esta situacin se detecta cuando al realizar el clculo de la variable que deja la base, todos los elementos ykj de la columna j en la
tabla, son negativos para jel ndice de una variable no bsica con costo reducido negativo.
Max 2x1 + x2
s.a: x1 - x2 <= 10
2x1 <= 40
x1,x2 >= 0
Donde la tabla inicial del mtodo simplex luego de agregar X3 y X4 como variables de holgura para las restricciones 1 y 2
respectivamente es:
X1 X2 X3 X4
1 -1 1 0 10
2 0 0 1 40
-2 -1 0 0 0
Cabe destacar que en esta instancia ya se puede constatar que el problema es no acotado. X2 siendo variable no bsica los
elementos de la respectiva columna son negativos o cero. Sin embargo, si el usuario no se percata inmediatamente de esto, de
todos modos llegar a la misma conclusin en la iteracin posterior, luego de hacer entrar X1 a la base como aquella variable no
bsica con costo reducido ms negativo.
Esta situacin se detecta cuando existen costos reducidos iguales a cero en una o ms de las variables no bsicas ptimas.
X1 X2 X3 X4
1 0 1/2 -1/2 10
0 1 -3/4 5/4 45
0 0 0 1 120
Ntese que se ha encontrado una de las infinitas soluciones ptimas para el problema (X1=10, X2=45, V(P)=120). Esto debido
a que la variable no bsica X3 tiene costo reducido igual a cero en el ptimo. Cmo se puede obtener otro vrtice con
similar valor ptimo?. Se debe forzar la entrada entonces de X3 a la base y sacar de la base una de las variables bsicas
actuales (si sigue el clculo notar que esta corresponde a X1). Finalmente, el nuevo vrtice ptimo
es X1=0, X2=60, V(P)=120. El resto de las infinitas soluciones ptimas esta contenida en tramo que une los 2 vrtices tal como
se muestra en la figura:
Introducci
on al
Metodo Simplex
euresti@itesm.mx
Introducci
on
Forma Est
andar
Definici
on
Conversion
Ejemplo
Soluci
on B
asica
euresti@itesm.mx Factible
Definici
on
Ejemplo 1
Correspondencia
Matematicas Adyacencia
Definici
on
Ejemplo 1
Simplex
Introducci
on al
Introduccion Metodo Simplex
euresti@itesm.mx
Introducci
on
Forma Est
andar
Definici
on
Conversion
Ejemplo
Soluci
on B
asica
En esta lectura daremos una introducci on al metodo Simplex Definici
on
Ejemplo 1
desarrollado por George Bernard Dantzig (8 de noviembre de Ejemplo 2
Soluci
on B
asica
1914 - 13 de mayo de 2005) en 1947. Este metodo se basa Factible
en la conversion del problema con restricciones con Definici
on
Ejemplo 1
desigualdades en un problema cuyas restricciones son Correspondencia
Simplex
Introducci
on al
Forma Estandar Metodo Simplex
euresti@itesm.mx
Introducci
on
Definici
on 1.1
Forma Est
andar
Un modelo de PL se dice que esta en su forma estandar si Definici
on
Conversion
cada restriccion es una igualdad y las restricciones de signo Ejemplo
para cada variable son del tipo mayor o igual que cero. Soluci
on B
asica
Definici
on
Muchos de nuestros modelos recien construidos no estan en Ejemplo 1
Ejemplo 2
su forma matricial. No esta en la forma estandar:
Soluci
on B
asica
Factible
Max z = 3 x + 2 y Definici
on
Ejemplo 1
Correspondencia
sujeto a Adyacencia
2x + y 100 Definici
on
Ejemplo 1
x + y 80 Simplex
x 40
x 0
y 0
Introducci
on al
Conversion Metodo Simplex
euresti@itesm.mx
igualdad; se a
nade la restricci
on de signo a la nueva Correspondencia
variable si 0. Adyacencia
Definici
on
Ejemplo 1
I Para cada restriccion del tipo se introduce una nueva
Simplex
variable de exceso (excess variable) ei que se resta al
primer miembro y la desigualdad se convierte en
igualdad; se a
nade la restricci
on de signo a la nueva
variable ei 0.
Introducci
on al
Metodo Simplex
euresti@itesm.mx
Soluci
on B
asica
on de signo xi0 0.
variable con restricci Definici
on
Ejemplo 1
I Para cada variable xi que no tiene restricci on de signo Ejemplo 2
Soluci
on B
asica
se cambian todas las apariciones de ella en el modelo Factible
por la expresion xi0 xi00 donde xi0 y xi00 son dos nuevas Definici
on
Ejemplo 1
variables con restriccion de signo xi0 0 y xi00 0. Correspondencia
reglas para las variables que en el modelo original tiene signo Simplex
euresti@itesm.mx
Introducci
on
Forma Est
andar
Definici
on
Conversion
Convierta a la forma estandar: Ejemplo
Soluci
on B
asica
Definici
on
Max z = 3 x + 2 y Ejemplo 1
Ejemplo 2
Soluci
on B
asica
sujeto a Factible
Definici
on
2x + y 100 : R1 Ejemplo 1
x + y 80 : R2 Correspondencia
x 40 : R3 Adyacencia
Definici
on
y 0 : R4 Ejemplo 1
Simplex
Introducci
on al
Metodo Simplex
euresti@itesm.mx
Soluci
on B
asica
Factible
2x + y + s1 = 100 Definici
on
x + y e1 = 80 Ejemplo 1
Correspondencia
x + s1 = 40
Adyacencia
Definici
on
con x sin restriccion de signo, y 0, s1 0, e1 0, y Ejemplo 1
Simplex
s2 0.
Introducci
on al
Metodo Simplex
euresti@itesm.mx
Introducci
on
Soluci
on B
asica
Definici
on
sujeto a Ejemplo 1
Ejemplo 2
Soluci
on B
asica
2 x 0 2 x 00 y 0 + s1 = 100 Factible
Definici
on
x 0 x 00 y0 e1 = 80 Ejemplo 1
0
x x 00 + s1 = 40 Correspondencia
Adyacencia
x0 x 00 y0
Definici
on
con 0, 0, 0, s1 0, e1 0, y s2 0. Ejemplo 1
Simplex
Introducci
on al
Solucion basica Metodo Simplex
euresti@itesm.mx
Introducci
on
Forma Est
andar
Definici
on
Definicion 1.2 Conversi
Ejemplo
on
Soluci
on B
asica
cero n m variables y que resulta en un sistema con Factible
Definici
on
solucion u
nica. A una variable de decisi
on que Ejemplo 1
Simplex
Introducci
on al
Metodo Simplex
euresti@itesm.mx
invertible. Simplex
Introducci
on al
Metodo Simplex
Introducci
on
x1 + x2 = 3
Forma Est
andar
x2 + x3 = 1 Definici
on
Conversion
Ejemplo
En este caso: m = 2 =n umero de ecuaciones y Solucion Basica
n = 3 =n umero de incognitas. Por tanto, las soluciones Definici
on
Ejemplo 1
basicas se obtienen haciendo cero n m = 3 2 = 1 Ejemplo 2
Solucion Basica
variable. Siendo n = 3 el numero de variables, tenemos: Factible
Definici
on
1 2 Ejemplo
3 1
n n! 3 3!
= = = = Correspondencia
nm m! (n m)! 1 1! (3 1)! 1 1 Adyacencia
2
Definici
on
Ejemplo 1
es decir, que en nuestro sistema se tienen 3 posibles
Simplex
soluciones basicas. Observe que da lo mismo seleccionar
que variables seran basicas (que columnas se conservaran) o
que variables seran no basicas (columnas se borraran).
Revisemos cada alternativa:
I VNBs = {x1 }. Haciendo x1 = 0 el sistema original queda:
+ x2 = 3
x2 + x3 = 1
+ x1 = 3
+ x3 = 1
on : x1 = 3, x2 = 0 y x3 = 1.
dando como soluci
I VNBs = {x3 }. Haciendo x3 = 0 el sistema original queda:
+ x1 + x2 = 3
x2 = 1
euresti@itesm.mx
Determine las soluciones basicas al sistema:
Introducci
on
x1 + 2 x2 + x3 = 1 Forma Est
andar
Definici
on
2 x1 + 4 x2 + x3 = 3 Conversion
Ejemplo
Soluci
on B
asica
En este ejemplo hay 3!/(1! (3 1)!) = 3 posibles Definici
on
Simplex
I VNBs = {x2 }. Haciendo x2 = 0 el sistema original
queda:
+ x1 + x3 = 1
+ 2 x1 + x3 = 3
dando como solucion : x1 = 2, x2 = 0 y x3 = 1.
I VNBs = {x3 }. Haciendo x3 = 0 el sistema original queda:
x1 + 2 x2 = 1
2 x1 + 4 x2 = 3
euresti@itesm.mx
Introducci
on
Forma Est
andar
Definici
on
Conversion
Ejemplo
Soluci
on B
asica
Definici
on
Definici
on 1.3 Ejemplo 1
Ejemplo 2
Una solucion basica factible (SBF) a un sistema de
Soluci
on B
asica
ecuaciones A x = b m n (n m) es una soluci on basica Factible
Definici
on
con valores no negativos para las variables de decision. Ejemplo 1
Correspondencia
Adyacencia
Definici
on
Ejemplo 1
Simplex
Introducci
on al
Metodo Simplex
Determina las soluciones basicas factibles del sistema
euresti@itesm.mx
estandar correspondiente a la regi
on que definen las
restricciones Introducci
on
x1 + x2 40 Forma Est
andar
Definici
on
2 x1 + x2 60 Conversion
Ejemplo
y x1 , x2 0. Soluci
on B
asica
Definici
on
La forma estandar es: Ejemplo 1
Ejemplo 2
x1 + x2 + s1 = 40 Soluci
on B
Factible
asica
2 x1 + x2 + s2 = 60 Definici
on
Ejemplo 1
Correspondencia
y cumpliendo x1 , x2 , s1 , s2 0. Y en la forma estandar n = 4
Adyacencia
(n
umero de variables) y m = 2 (n umero de ecuacion es), y Definici
on
Ejemplo 1
por consiguiente el n umero de posibles soluciones basicas es: Simplex
n 4! 1234
= = =6
m 2! (4 2)! 1212
En este caso desaparecemos 4 2 variables para obtener las SB:
I VNBs = {x1 , x2 } VB = {s1 = 40, s2 = 60} A(0,0)
I VNBs = {x1 , s1 } VB = {x2 = 40, s2 = 20} B(0,40)
I VNBs = {x1 , s2 } VB = {x2 = 60, s1 = 20} C(0,60), no
es soluci
on basica factible
I VNBs = {x2 , s1 } VB = {x1 = 40, s2 = 20} D(40,0), no
es soluci
on basica factible
I VNBs = {x2 , s2 } VB = {x1 = 30, s1 = 10} E(30,0)
I VNBs = {s1 , s2 } VB = {x1 = 20, x2 = 20} F(20,20)
C (0, 60)
B(0, 40)
F (20, 20)
D(40, 0)
A(0, 0) E (30, 0)
Figura : Relaci
on entre SBFs y extremos de la RF
Introducci
on al
Correspondencia Metodo Simplex
euresti@itesm.mx
Introducci
on
Forma Est
andar
Definici
on
Conversion
Ejemplo
Un punto clave que relaciona la parte geometrica con la
Soluci
on B
asica
parte algebraica es el siguiente resultado te
orico: Definici
on
Ejemplo 1
Teorema Ejemplo 2
Soluci
on B
asica
La region factible a un modelo lineal corresponde a Factible
Definici
on
un conjunto convexo, y a cada extremo de la Ejemplo 1
Simplex
Introducci
on al
SBF Adyacentes Metodo Simplex
euresti@itesm.mx
Introducci
on
Forma Est
andar
Definici
on
Conversion
Ejemplo
Soluci
on B
asica
Definici
on
Definici on 1.4 Ejemplo 1
Ejemplo 2
Para un modelo PL con m restricciones, dos soluciones Soluci
on B
asica
Factible
basicas factibles se dicen ser soluciones basicas factibles Definici
on
Correspondencia
Adyacencia
Definici
on
Ejemplo 1
Simplex
Introducci
on al
Ejemplo Metodo Simplex
euresti@itesm.mx
Introducci
on
Forma Est
andar
Definici
on
Conversion
Soluci
on B
asica
al siguiente PL: Definici
on
Ejemplo 1
Ejemplo 2
Maximice z = 4 x1 + 3 x2 Soluci
on B
asica
Factible
Definici
on
sujeto a: Ejemplo 1
x1 + x2 + s1 = 40 Correspondencia
2 x1 + x2 + s2 = 60 Adyacencia
Definici
on
Ejemplo 1
y cumpliendo x1 , x2 , s1 , s2 0. Simplex
Este problema tiene como FBS:
I VNBs = {x1 , x2 } VB = {s1 = 40, s2 = 60} A(0,0)
I VNBs = {x1 , s1 } VB = {x2 = 40, s2 = 20} B(0,40)
I VNBs = {x2 , s2 } VB = {x1 = 30, s1 = 10} E(30,0)
I VNBs = {s1 , s2 } VB = {x1 = 20, x2 = 20} F(20,20)
Son adyacentes: A(0,0) y B(0,40), A(0,0) y E(30,0), B(0,40) y F(20,20),
y E(30,0) y F(20,20).
B(0, 40)
F (20, 20)
A(0, 0) E (30, 0)
Introducci
on al
Algoritmo Simplex Metodo Simplex
euresti@itesm.mx
El algoritmo Simplex procede de la siguiente manera:
Introducci
on
1. Convierta el modelo PL a su forma estandar. Forma Est
andar
Definici
on
2. Obtenga una SBF a la forma estandar. Conversion
Ejemplo
3. Determine si la SBF es optima: Si hay una variable no Soluci
on B
asica
basica cuyo aumento hace que el valor actual de la Definici
on
Ejemplo 1
funcion a maximizar suba, entonces la soluci
on actual Ejemplo 2
Soluci
on B
asica
no es optima. Factible
Definici
on
4. Si la SBF no es optima, determine la variable no-basica Ejemplo 1
Adyacencia
en la funcion objetivo) y cual variable basica debera Definici
on
convertise en una no-basica (la que impone una Ejemplo 1
Simplex
restriccion mayor a la variable de mayor impacto). Con
la seleccion anterior y usando operaciones elementales
de renglon determine una SBF nueva adyacente a la
anterior.
5. Reinicie con el paso 3 con la nueva SBF.