Método Simplex

En el método gráfico, la solución óptima de un programa lineal siempre está asociada con un punto esquina del espacio de
soluciones.
El método símplex implica un procedimiento de cómputo que determina en forma algebraica los puntos esquina.
Esto se logra convirtiendo primero a todas las restricciones de desigualdad en ecuaciones, para después manipular esas
ecuaciones en una forma sistemática. Resuelve la programación lineal en iteraciones. Cada iteración desplaza la solución a un
nuevo punto esquina que tiene potencial de mejorar el valor de la función objetivo. El proceso termina cuando ya no se
pueden obtener mejoras.

Condiciones:

1. Todas las restricciones (excepto las de no negatividad) son ecuaciones con lado derecho no negativo.
2. Todas las variables son no negativas.

Conversión de desigualdades a ecuaciónes:

1. ≤ → + s1 s1 se define como la holgura, o cantidad no usada de M1

En las restricciones (≤), el lado derecho se puede imaginar como representando el límite de disponibilidad de un recurso, y en
ese caso el lado izquierdo representaría el uso de ese recurso limitado por parte de las actividades (variables) del modelo. La
diferencia entre el lado derecho y el lado izquierdo de la restricción (≤) representa, por consiguiente, la cantidad no usada u
holgura del recurso.
Para convertir una desigualdad (≤) en ecuación, se agrega una variable de holgura al lado izquierdo de la restricción.

2. ≥ → + S1 S1 se define como la excedencia M2

Una restricción (≥) establece, normalmente, un límite inferior para las actividades del modelo de programación lineal. Como
tal, la cantidad por la que el lado izquierdo es mayor que el límite mínimo (lado derecho) representa un excedente.

Para convertir una desigualdad (≥) en ecuación, se agrega una variable de excedencia al lado izquierdo de la restricción.

# s1 y S1 siempre No negativas

3. Lado derecho No negativo

Agrego holgura/exceso y Multiplico por -1

 Naturaleza iterativa del método Simplex

El método símplex comienza en el origen (punto A), donde X1 = X2 = 0. En este punto de inicio, el valor de la función objetivo
z es cero.

Existen 2 rutas, se podría aumentar X1 o X2.

En el caso de maximizar:

La variable que tenga el coeficiente positivo en la función objetivo más grande es la que se selecciona para aumentar.

En el caso de minimizar:

La variable que tenga el coeficiente negativo en la función objetivo más grande es la que se selecciona para aumentar.

En este caso, en el punto A:

s1 y s2 son básicas
X1 y X2 son no básicas (=0)

Cuando se aumenta X2 respecto a cero (porque mejora el valor de z) se debe llegar al punto esquina D, con lo que cambia el
estado de X2 de no básica a básica. En forma simultánea, la variable s2, que era básica en el punto A, se transforma en no
básica y asume un valor cero en el punto D. En esencia, el cambio conduce al “intercambio” de la X2 no básica y la s2 básica
en A para producir las nuevas variables básicas (X2, s1) y las variables no básicas (s2, X1) en D. Se dice entonces que en A, X2
entra a la solución básica y s2 sale de ella, o la deja. En la terminología del
método símplex, X2 y S2 en el punto A se llaman las variables de entrada y de salida,respectivamente. Al continuar con el
mismo razonamiento en D, x1 y s1 son, respectivamente, las variables de entrada y de salida. El proceso termina en el punto
C, porque es óptimo.
 Detalles del cálculo de simplex

1. Variables de decisión

2. Objetivo

3. Restricciónes

Restricciónes de la MP:

Una restricción implícita (o “que se sobreentiende”) es que las variables y no pueden asumir valores negativos.

Y luego las restricciónes de la demanda:

Cualquier valor de X1 y X2 que satisfaga todas las restricciones del modelo es una solución factible. Nos interesa determinar
la solución óptima factible que produzca la utilidad total máxima y al mismo tiempo satisfaga todas las restricciones.
Planteo las ecuaciónes según el método simplex:

Se expresará la función objetivo como:

Se realiza la tabla inicial:

Las iteraciónes símplex comienzan en el origen: (X1,X2) = (0,0)

Determinar si es la solución óptima:

En el caso de la maximización:

La variable no básica con el coeficiente más positivo en una función objetivo de maximización se selecciona para
entrar a la solución básica. Esta regla se basa en expresar la función objetivo como z = 5 X1 + 4 X2.
Como la tabla símplex expresa la función objetivo en la forma z – 5 X1 – 4 X2 = 0, la variable de entrada es X1,
porque tiene el coeficiente más negativo en la función objetivo, que es de maximización.
Si fuera el caso que todos los coeficientes de la función objetivo fueran ≥ 0 (no negativos), no sería posible
mejorar z y eso querría decir que se habría llegado al óptimo.

Para determinar la variable de salida, en forma directa con la tabla, se calculan las intersecciones,
o coordenadas (X1) al origen, de todas las restricciones con la dirección no negativa
del eje X1 (recuérdese que X1 es la variable de entrada). Esas intersecciones son las razones del
lado derecho de las ecuaciones (columna Solución) entre los coeficientes de restricción correspondientes,
abajo de la variable de entrada x1.
Se toma menor de las intersecciónes del lado de la dirección creciente de X1.
En resumen, para la MAXIMIZACIÓN:

Variable de entrada: coeficiente más negativo en la función objetivo

De ser todos no negativos, hallé el óptimo.

Variable de salida: razón no negativa mínima.

para la MINIMIZACIÓN:

Variable de entrada: coeficiente más positivo en la función objetivo

De ser todos no positivos, hallé el óptimo.

Variable de salida: razón no negativa mínima.

De no encontrar el negativo, elegir las variables de entrada y salida, y realizar las operaciónes de renglón de Gauss-Jordan.

Para ello, se asocia a la columna pivoyo y al renglón pivote con las variables de entrada y de salida, respectivamente.

Se llega a una nueva tabla.

Al examinar la tabla se ve que no es óptimo, porque la variable no básica X2 tiene un coeficiente negativo en el renglón z.
Se calculan las razones nuevamente, para determinar la variable de salida:

Realizamos nuevamente las operaciónes de pivote, y llegamos a la tabla final, en donde ninguno de lo coeficientes del
renglón Z asociados a las variables no básicas s1 y s2 son negativos.

Se ha encontrado la solución óptima.

Reglas para seleccionar las variales de entrada y de salida:

Condición de optimalidad: ea variable de entrada en un problema de maximización (minimización) es la variable no básica

que tenga el coeficiente más negativo (positivo) en el renglón de z. Los empates se rompen en forma arbitraria. Se llega al
óptimo en la iteración en la que todos los coeficientes de las variables no básicas en el renglón Z son no negativos (no
positivos).

Condición de factibilidad: en los problemas de maximización y de minimización, la variable de salida es la variable básica
asociada con la mínima razón no negativa (con denominador estrictamente positivo). Los empates se rompen en forma
arbitraria.
Solución artificial de inicio

Los programas lineales en los que todas las restricciones son (≤) con lados derechos no negativos ofrecen una cómoda
solución factible básica de inicio con todas las holguras. Los modelos donde intervienen restricciones del tipo (=) o (≥) no
poseen esta propiedad.
El procedimiento para iniciar programas lineales “de mal comportamiento” con restricciones ( ) y ( ) es permitir que variables
artificiales desempeñen el trabajo de holguras en la primera iteración, para después, en alguna iteración posterior,
desecharlas en forma legítima.
Existen dos métodos muy relacionados: el método M y el método de dos fases.

Método M

Muy complicado. No se vé.

Método de las dos fases

Fase I:
Trata de determinar la solución básica factible de inicio.
El problema se pone en forma de ecuación y se agregan a las restricciones las variables artificiales
necesarias para asegurar una solución básica de inicio. A continuación se determina una solución
básica de las ecuaciones resultantes, que minimice la suma de las variables artificiales. Si el valor
mínimo de la suma es positivo, el problema de programación lineal no tiene solución factible, y
termina el proceso (recuerde que una variable artificial positiva significa que no se satisface una
restricción original). En caso contrario, se prosigue a la fase II.

Fase II:
Resulve el problema original.

Se usa la solución factible de la fase I como solución básica factible de inicio para el problema original.

Información adicional que muestra la tabla símplex:

Estado de los recursos

Un recurso se llama escaso si las actividades (variables) del modelo lo usan por completo. En caso contrario, es abundante.
Esta información se obtiene en la tabla óptima revisando el valor de la variable de holgura asociada con la restricción que
representa al recurso. Si la variable de holgura es cero, el recurso se usa por completo, y el recurso es escaso. En caso
contrario, una holgura positiva indica que el recurso es abundante.

En el ejemplo anterior:

El estado de los recursos indica que está garantizado un aumento en la disponibilidad de las materias primas M1 y M2,
porque los dos son escasos. La cantidad del aumento se puede calcular con procedimientos adecuados de análisis de
sensibilidad.