You are on page 1of 19

MÉTODO SIMPLEX : MINIMIZACIÓN

OBJETIVO:

• Resolver ejercicios de programación lineal donde se desea


minimizar haciendo uso del método simplex.

• Presentar un método para optimizar una función objetivo, de


tal manera que permita obtener el gasto o costo mínimo.
El Método Simplex es un método iterativo que permite ir mejorando la
solución en cada paso. La razón matemática de esta mejora radica en
que el método consiste en caminar del vértice de un poliedro a un
vértice vecino de manera que aumente o disminuya (según el
contexto de la función objetivo, sea maximizar o minimizar), dado que
el número de vértices que presenta un poliedro solución es finito
siempre se hallará solución.

Variables de holgura y exceso


El Método Simplex trabaja basándose en ecuaciones y las restricciones
iniciales que se modelan mediante programación lineal no lo son, para
ello hay que convertir estas inecuaciones en ecuaciones utilizando
unas variables denominadas de holgura y exceso relacionadas.
Estas variables suelen estar representadas por la letra "S", se suman
si la restricción es de signo "<= " y se restan si la restricción es de
signo ">=". Con el signo "=“al contrario de lo que cabría pensar, para
las restricciones de tipo "=" (aunque ya son identidades) también es
necesario agregar variables artificiales R. Como en el caso anterior, su
coeficiente será cero en la función objetivo.

Una variable artificial es un truco matemático para convertir


inecuaciones ">=" en ecuaciones, o cuando aparecen igualdades en
el problema original, la característica principal de estas variables es
que no deben formar parte de la solución, dado que no representan
recursos. El objetivo fundamental de estas variables es la formación
de la matriz identidad.
TEORÍA DE LA DUALIDAD

La teoría de la dualidad (dos versiones) establece que un problema


dual de programación lineal se origina directamente del modelo
original denominado problema primal. Ya que para todo problema de
maximización de programación lineal existe un problema de
minimización, y viceversa.

Tanto la maximización como la minimización se encuentran muy


relacionados, de modo que la solución óptima de uno de ellos
proporciona la solución óptima del otro.

Esta regla nos indica que existe una correspondencia directa entre
los elementos del problema primal y su dual.
Chiste. Minimizar Z = 6x1 + 3x2

Sujeta a :
10x1 + 4x2 ≥ 100
20x1 + 30x2 ≥ 420
x1 , x 2 ≥ 0
Solucion:
Forma aumentada del modelo (algebraica):

𝑍 − 6𝑥1 − 3𝑥2 = 0
10𝑥1 + 4𝑥2 − 𝑅1 = 100
20𝑥1 + 30𝑥2 − 𝑅2 = 420

Las variables artificiales deben ser positivas:

𝑍 − 6𝑥1 − 3𝑥2 + 0𝑅1 + 0𝑅2 = 0


−10𝑥1 − 4𝑥2 + 𝑅1 = − 100
−20𝑥1 − 30𝑥2 + 𝑅2 = − 420
Variable
𝒙𝟏 𝒙𝟐 𝑹𝟏 𝑹𝟐 Sol
básica
Z –6 –3 0 0 0

𝑹𝟏 –10 –4 1 0 – 100

𝑹𝟐 –20 – 30 0 1 – 420

Para escoger la variable de decisión que sale, observamos la


columna de soluciones, y escogemos el valor más negativo. En este
caso, ( – 420).

Al dividir (– 6/– 20 = 0.3) y (– 3/– 30 = 0.1). Por lo tanto entra el


menor 𝒙𝟐 . La fila pivote debe dividirse por (– 30).
Variable
𝒙𝟏 𝒙𝟐 𝑹𝟏 𝑹𝟐 Sol
básica
𝑓1 + 3𝑓3 Z –4 0 0 – 1/10 42

𝑓2 + 4𝑓3 𝑹𝟏 – 22/3 0 1 – 10/15 – 44

𝒇𝟑 𝒙𝟐 2/3 1 0 – 1/30 14

Para escoger la variable de decisión que sale, observamos la columna


de soluciones, y escogemos el valor más negativo. En este caso, ( –
44).

Al dividir (– 4/(–22/3) = 0.55). Por lo tanto entra el menor 𝒙𝟏 . La fila


pivote debe multiplicarse por (– 3/22).
Variable
𝒙𝟏 𝒙𝟐 𝑹𝟏 𝑹𝟐 Sol
básica
𝑓1 + 4𝑓2 Z 0 0 – 6/11 29/110 66
𝑓2 𝒙𝟏 1 0 – 3/22 1/11 6
2
𝑓3 − 𝑓2 𝒙𝟐 0 1 1/11 – 31/330 10
3

Cómo en la columna solución ya no hay valores negativos hemos


llegado a la solución óptima.

Si 𝒙𝟏 = 6, y 𝒙𝟐 = 10, entonces Z = 66
Chiste. Minimizar Z = 500x1 + 600x2

Sujeta a :
10x1 ≥ 100
100x1 + 200x2 ≥ 8000
250x1 + 300x2 ≤ 4
x1 , x 2 ≥ 0
Solucion:
Forma aumentada del modelo (algebraica):

𝑍 − 500𝑥1 − 600𝑥2 = 0
10𝑥1 − 𝑅1 = 100
100𝑥1 + 200𝑥2 − 𝑅2 = 8000
250𝑥1 + 300𝑥2 + 𝑆1 = 15000

Las variables de holgura y artificiales deben ser positivas:

𝑍 − 500𝑥1 − 600𝑥2 + 0𝑅1 + 0𝑅2 + 0𝑆3 = 0


−10𝑥1 + 𝑅1 = −100
−100𝑥1 − 200𝑥2 + 𝑅2 = −8000
250𝑥1 + 300𝑥2 + 𝑆1 = 15000
Variable
𝒙𝟏 𝒙𝟐 𝑹𝟏 𝑹𝟐 𝑺𝟏 Sol
básica
Z – 500 – 600 0 0 0 0

𝑹𝟏 –10 0 1 0 0 – 100

𝑹𝟐 –100 –200 0 1 0 – 8000

𝑺𝟏 250 300 0 0 1 15000

Para escoger la variable de decisión que sale, observamos la


columna de soluciones, y escogemos el valor más negativo. En este
caso, ( – 8000).
Para encontrar la variable de exceso/holgura que tiene que salir
de la base, se divide cada término de la primera fila (function
objetivo) por el término correspondiente de la fila pivote,
siempre que estos últimos sean mayores que cero.

El término de la fila pivote que en la división anterior de lugar al


menor cociente o menos negativo, el 3, y 5; el menos negativo
es el 3, indica la fila de la variable de exceso que sale es R2. Esta
columna se llama pivote (en color azulado).

Se multiplica la fila f3 por – 1/200 para obtener la fila Pivote.


Variable
𝒙𝟏 𝒙𝟐 𝑹𝟏 𝑹𝟐 𝑺𝟏 Sol
básica
𝒇𝟏 + 𝟐𝟎𝟎𝒇𝟑 Z – 200 0 0 –3 0 24000

𝑹𝟏 –10 0 1 0 0 – 100
𝟏
– 𝒇 𝒙𝟐 1/2 1 0 – 1/200 0 40
𝟐𝟎𝟎 𝟑

𝒇𝟒 −𝟑𝟎𝟎𝒇𝟑 𝑺𝟏 100 0 0 3/2 1 3000

Variable
𝒙𝟏 𝒙𝟐 𝑹𝟏 𝑹𝟐 𝑺𝟏 Sol
básica
Z – 200 0 0 –3 0 24000
𝟏
– 𝒇 𝑹𝟏 –10 0 1 0 0 – 100
𝟏𝟎 𝟐

𝒙𝟐 1/2 1 0 – 1/200 0 40

𝑺𝟏 100 0 0 3/2 1 3000


Variable
𝒙𝟏 𝒙𝟐 𝑹𝟏 𝑹𝟐 𝑺𝟏 Sol
básica
𝒇𝟏 + 𝟐𝟎𝟎𝒇𝟐 Z 0 0 – 20 –3 0 26000
𝒇𝟐 𝒙𝟏 1 0 – 1/10 0 0 10
1
𝑓3 − 𝒇𝟐 𝒙𝟐 0 1 1/20 – 1/200 0 35
2
𝑓4 −100𝑓2 𝑺𝟏 0 0 10 3/2 1 2000

Si 𝒙𝟏 = 10, y 𝒙𝟐 = 35, entonces Z = 26000


Chiste. Minimizar Z = 4x1 + 2x2

Sujeta a : 3x1 + x2 = 3
4x1 + 3x2 ≥ 6
x1 + 2x2 ≤ 4
x1 , x 2 ≥ 0

Las variables de holgura y artificiales deben ser positivas:

𝑍 − 4𝑥1 − 2𝑥2 + 0𝑆1 + 0𝑅1 + 0𝑅2 + 0𝑆2 =0


3x1 + x2 + S1 – R1 = 3
4x1 + 3x2 – R2 = 6
x1 + 2x2 + S2 = 4
Variable
𝒙𝟏 𝒙𝟐 𝑺𝟏 𝑹𝟏 𝑹𝟐 𝑺𝟐 Sol
básica

Z –4 –2 0 0 0 0 0

𝐑𝟏 –3 –1 –1 1 0 0 –3

𝐑𝟐 –4 –3 0 0 1 0 –6

𝐒𝟐 1 2 0 0 0 1 4
Variable
𝒙𝟏 𝒙𝟐 𝑺𝟏 𝑹𝟏 𝑹𝟐 𝑺𝟐 Sol
básica

𝒇𝟏 + 𝟐𝒇𝟑 Z – 4/3 0 0 0 – 2/3 0 4

𝒇𝟐 + 𝒇𝟑 𝐑𝟏 – 5/3 0 –1 1 –1/3 0 –1

𝒇𝟑 𝒙𝟐 4/3 1 0 0 –1/3 0 2

𝒇𝟒 −𝟐𝒇𝟑 𝐒𝟐 – 5/3 0 0 0 2/3 1 0


Variable
𝒙𝟏 𝒙𝟐 𝑺𝟏 𝑹𝟏 𝑹𝟐 𝑺𝟐 Sol
básica

𝟒
𝒇𝟏 + 𝒇𝟐 Z 0 0 4/5 – 4/5 – 2/5 0 24/5
𝟑
𝒇𝟐 𝒙𝟏 1 0 3/5 – 3/5 1/5 0 3/5
𝟒
𝒇𝟑 − 𝒇 𝒙𝟐 0 1 – 4/5 4/5 – 3/5 0 6/5
𝟑 𝟐
𝟓
𝒇𝟒 + 𝒇𝟐 𝐒𝟐 0 0 1 –1 0 1 1
𝟑

La solución optima es Z = 18/5, 𝑥1 = 3/5, e 𝑥2 = 6/5.

You might also like