6/12/17 Julio C.

Salazar 1
 Variables de holgura

La variable de holgura de esta restriccin se define como

Entonces,

Dada esta ecuacin, x1 4 se cumple si y slo si 4 x1 = x3 0. En consecuencia, la

restriccin original x1 4 es por completo equivalente al par de restricciones
y x3 0.
Al introducir variables de holgura en las otras restricciones funcionales, el modelo de
programacin lineal original de este ejemplo
Forma original del modelo Forma aumentada del modelo
Maximizar Maximizar

y y
6/12/17 Julio C. Salazar 2
 a) Forma algebraica b) Forma tabular
Coeficientes de:
Variable Lado
bsica Ec. Z x1 x2 x3 x4 x5
derecho
(0) Z 3x1 5x2 = 0 Z (0) 1 3 5 0 0 0 0
(1) x1 +x3 = 4 x3 (1) 0 1 0 1 0 0 4
(2) 2x2 +x4 = 12 x4 (2) 0 0 2 0 1 0 12
(3) 3x1 +2x2 +x5 = 18 x5 (3) 0 3 2 0 0 1 18

6/12/17 Julio C. Salazar 3

 Ahora se escogen los
coeficientes positivos de
Variable bsica entrante, es el la variable entrante x2
coeficiente ms negativo de la
funcin Z, que en este caso es -5 . Luego se divide la columna
lado derecho dentro de los
coeficientes mayores que
Coeficientes de: cero de x2.
Variable Lado Cociente
bsica Ec. Z x1 x2 x3 x4 x5
derecho
Z (0) 1 3 5 0 0 0 0
x3 (1) 0 1 0 1 0 0 4
Este es el x4 2 Mnimo
(2) 0 0 0 1 0 12
Rengln
pivote x5 (3) 0 3 2 0 0 1 18

Llamada variable
bsica que sale que Columna Se escoge el
es la variable x4 pivote resultado ms
pequeo de esta
divisin.

6/12/17 Julio C. Salazar 4

 Observe el valor de los
coeficientes en columna de la
Coeficientes de: variable x4.
Variable Lado
iteracin bsica Ec. Z x1 x2 x3 x4 x5 derecho Estos coeficientes
Z (0) 1 3 5 0 0 0 0 deben ser iguales
x3 (1) 0 1 0 1 0 4 para la variable
0
0 entrante x2.
x4 (2) 0 0 2 0 1 0 12
Para Ec .(0) Para Ec. (2)
x5 (3) 0 3 2 0 0 1 18
5*0+(-3)=-3 0/2 = 0
0/2 2/2 0/2 1/2 0/2 12/2 5*1+(-5)=0 2/2 = 1
x4 (2) 0 0 1 0 0.5 0 6 5*0 + 0 = 0 0/2 = 0
5*0.5 +0 = 2.5 1/2 = 0.5
5*0 + 0 = 0 0/2 = 0
Z (0) 1 3 0 0 0 30
5*6 + 0 = 30 12/2 = 6
x3 (1) 0 1 0 1 0 0 4
1 Para Ec. (3)
x2 (2) 0 0 1 0 0 6
3-2*0=3
x5 (3) 0 3 0 0 -1 1 6 2-2*1=0
0-2*0=0
0-2*0.5=-1
1-2*0=1
6/12/17 Julio C. Salazar
18-2*6=6 5
Como en la ecuacin de Z sigue existiendo un numero negativo se vuelve a realizar una
segunda iteracin. Ahora se escogen los coeficientes
Variable bsica entrante, es el coeficiente ms positivos de la variable entrante x1
negativo de la funcin Z, que en este caso es -3. Luego se divide la columna lado
Coeficientes de: derecho dentro de los coeficientes de
Variable x1 . Lado
iteracin bsica Ec. Z x1 x2 x3 x4 x5 derecho Cociente

1 Z (0) 1 3 0 0 0 30

Este es el x3 (1) 0 1 0 1 0 0 4
Rengln x2 (2) 0 0 1 0 0 6
pivote x5 0
(3) 3 0 0 -1 1 6 mnimo
Llamada variable bsica que
Columna Se escoge el resultado ms
sale que es la variable x5
Ec (3) pivote pequeo de esta divisin.
Ec. (0)
Rengln pivote/3 Rengln 0 +3*nuevo rengln 3
3/3 0/3 0/3 -1/3 1/3 6/3 -3+3*1=0 0+3*0=0 0+3*0=0 5/2+3*(-1/3)=3/2 0+3*1/3=1 30+3*2=36
Z (0) 1 0 0 0 1 36 Ec. (1)
Reng. Ec. 1 new reng ec 3
x3 (1) 0 0 0 1 2
2 1-1=0 0-(-1/3)=1/3
x2 (2) 0 0 1 0 0 6
0-0=0 0-1/3=-1/3
6/12/17 x1 (3) 0 1 0 C. Salazar
Julio 0 2 1-0=1 4-2=2 6
 ROMPIMIENTO DE EMPATES EN EL MTODO SMPLEX

Es posible que haya observado que en las dos secciones anteriores no se dijo qu hacer
cuando las reglas de seleccin del mtodo smplex no son suficientes para tomar una
decisin clara, ya sea porque hay empates (valores iguales) o por otras ambigedades
parecidas. A continuacin se estudiarn estos detalles.

Empate de la variable bsica entrante

El paso 1 de cada iteracin elige la variable no bsica que tiene el coeficiente negativo con
el mayor valor absoluto en la ecuacin (0) actual como la variable bsica entrante. Ahora
suponga que dos o ms variables no bsicas tienen el coeficiente negativo ms grande (en
valor absoluto), es decir, que hay un empate. Por ejemplo, esto ocurrira en la primera
iteracin del problema de la Wyndor Glass Co. si se cambiara la funcin objetivo a Z = 3x1 +
3x2, con lo que la ecuacin (0) inicial sera Z 3x1 3x2 = 0. Cmo debe romperse este
empate?

6/12/17 Julio C. Salazar 7

La interpretacin de una tabla smplex como la que se muestra en la tabla 4.9 sostiene
que las restricciones no impiden el crecimiento indefinido de la funcin objetivo Z, de
manera que el mtodo smplex se detiene con el mensaje de que Z es no acotada.

Debido a que ni siquiera la programacin lineal ha descubierto la manera de lograr

ganancias infinitas, el mensaje real en problemas prcticos es que se ha cometido un
error.
Tal vez el modelo est mal formulado, ya sea por haber omitido una restriccin relevante
o por haberla establecido de modo incorrecto. De manera alternativa, pudo haber
ocurrido un error en los clculos.

6/12/17 Julio C. Salazar 8

La respuesta es que se puede elegir entre estos dos competidores de manera arbitraria.
Tarde o temprano se llegar a la solucin ptima, sin importar cul de las variables
empatadas se haya escogido, y no existe un mtodo incontrovertible para predecir cul
conduce a la solucin ptima con mayor rapidez. En este ejemplo, si se escoge x1 como
variable entrante, el mtodo smplex alcanza la solucin ptima (2, 6) en tres iteraciones,
mientras que si se elige x2 llega en dos.

6/12/17 Julio C. Salazar 9

 Empate de la variable bsica que sale: degeneracin

Ahora suponga que el empate ocurre entre dos o ms variables bsicas cuando se elige la
variable que sale en el paso 2 de una iteracin. Importa cul se escoge? En teora, s, y
en una forma crtica debido a lo que puede ocurrir en la siguiente sucesin de eventos.

Primero, todas las variables empatadas se hacen cero al mismo tiempo cuando aumenta
el valor de la variable entrante. Por lo tanto, aquellas que no se eligieron como variable
bsica saliente tambin tendrn un valor de cero en la nueva solucin BF. (Las variables
bsicas con valor de cero se llaman degeneradas, y el mismo nombre se da a la solucin
BF correspondiente.)
Segundo, si una de estas variables bsicas degeneradas sigue con valor de cero hasta que
se selecciona como variable bsica que sale en una iteracin posterior, la variable bsica
entrante deber tambin quedar con valor de cero (ya que no puede crecer sin que la
variable bsica que sale se vuelva negativa), por lo que el valor de Z no cambiar.

Tercero, si Z permanece igual en lugar de mejorar en cada iteracin, el mtodo smplex

puede caer en un ciclo que repite la misma secuencia de soluciones en forma peridica,
en lugar de aumentar en algn momento para llegar a la solucin ptima.

6/12/17 Julio C. Salazar 10

En realidad, se han construido ejemplos artificiales que se quedan atrapados en un ciclo
perpetuo de este tipo. Por fortuna, aunque en teora es posible que haya ciclos perpetuos,
muy rara vez han ocurrido en problemas reales. Si ocurriera un ciclo siempre se puede
salir de l al cambiar la eleccin de la variable bsica que sale.

An ms, se han construido reglas especiales para romper empates que siempre evitan los
ciclos. Sin embargo, con frecuencia estas reglas se ignoran en las aplicaciones reales, y no
se repetirn aqu.

Para propsitos prcticos se recomienda romper los empates de modo arbitrario y seguir
el proceso sin preocuparse de las variables degeneradas que puedan resultar.

6/12/17 Julio C. Salazar 11

 Cuando no hay variable bsica saliente: Z no acotada

Existe otra posibilidad en el paso 2 de una iteracin, de la que no se ha hablado: aquella

en la que ninguna variable califica como variable bsica saliente. Esta situacin puede
ocurrir si la variable bsica entrante puede crecer de manera indefinida sin que ninguna
de las variables bsicas actuales adquiera valores negativos. En la forma tabular, esto
significa que todos los coeficientes de la columna pivote (se excluye el rengln 0) son
negativos o cero.
Como se ilustra en la tabla 4.9, esta situacin surge en el ejemplo que se present en la
figura 3.6. En l se pasaron por alto las dos ltimas restricciones funcionales del problema
de la Wyndor Glass Co., por lo cual no se incluyen en el modelo. Observe en la figura 3.6
que el valor de x2 puede aumentar de manera indefinida (lo que hace que Z tambin lo
haga) sin salir de la regin factible.

Despus vea en la tabla 4.9 que x2 es la variable bsica entrante pero el nico coeficiente
en la columna pivote es cero. Como la prueba del cociente mnimo slo utiliza
coeficientes mayores que cero, no se cuenta con un cociente que proporcione una
variable bsica saliente.

6/12/17 Julio C. Salazar 12

 Soluciones ptimas mltiples
en la definicin de solucin ptima se mencion que un problema puede tener
ms de una solucin ptima. Este hecho se ejemplific en la figura 3.5 cuando se cambi la
funcin objetivo del problema de la Wyndor Glass Co. a Z = 3x1 + 2x2, de lo que result que
todos los puntos sobre el segmento de recta entre (2, 6) y (4, 3) eran ptimos. En
consecuencia, todas las soluciones ptimas son un promedio ponderado de estas dos
soluciones FEV ptimas
(x1, x2) = w1(2, 6) + w2(4, 3).

donde los pesos w1 y w2 son nmeros que satisfacen las relaciones

w1 + w2 = 1 y w1 0, w2 0.

como una solucin ptima.

6/12/17 Julio C. Salazar 13

En general, cualquier promedio ponderado de dos o ms soluciones (vectores) donde los
pesos son no negativos y suman 1 se llama combinacin convexa de estas soluciones.
Entonces, toda solucin ptima del ejemplo es una combinacin convexa de (2, 6) y (4, 3).
Este ejemplo es representativo de problemas con soluciones ptimas mltiples.
cualquier problema de programacin lineal con soluciones ptimas mltiples (y una regin
factible acotada) tiene al menos dos soluciones FEV que son ptimas. Toda solucin
ptima es una combinacin convexa de estas soluciones FEV ptimas.

En consecuencia, en la forma aumentada, toda solucin ptima es una combinacin

convexa de las soluciones BF ptimas.

El mtodo smplex se detiene en forma automtica cuando encuentra una solucin BF

ptima.
Sin embargo, en muchas aplicaciones de programacin lineal existen factores intangibles
que no se incorporan al modelo y que pueden ser tiles para tomar decisiones
significativas entre las soluciones ptimas alternativas.
En esos casos, deben identificarse las otras soluciones ptimas. Como se indic, esto
requiere encontrar todas las otras soluciones BF ptimas, y entonces toda solucin
ptima es una combinacin convexa de las soluciones BF ptimas.
6/12/17 Julio C. Salazar 14
Una vez que el mtodo smplex encuentra una solucin BF ptima se puede detectar si
existen otras y, si as es, se encuentran como sigue:

Siempre que un problema tiene ms de una solucin BF ptima, al menos una variable no
bsica tiene coeficiente cero en el rengln (0) final, de manera que si aumenta su valor, el
valor de la funcin Z no cambia. Por lo tanto, estas otras soluciones BF ptimas se pueden
identificar (si se desea) mediante iteraciones adicionales del mtodo smplex, en las que
cada vez se elige una variable no bsica con coeficiente cero como variable bsica entrante

6/12/17 Julio C. Salazar 15

6/12/17 Julio C. Salazar 16
A manera de ilustracin, considere el caso anterior del problema de la Wyndor Glass Co.,
donde la funcin objetivo se cambia a Z = 3x1 + 2x2. En la tabla 4.10 se muestran las
primeras tres tablas que obtiene el mtodo smplex antes de detenerse con una solucin
bsica factible ptima.
No obstante, como una variable no bsica (x3) de esa iteracin tiene coeficiente cero en el
rengln 0, se realiza una iteracin ms en esa misma tabla para identificar la otra solucin
BF ptima.
En consecuencia, las dos soluciones bsicas factibles ptimas son (4, 3, 0, 6, 0) y (2, 6, 2, 0,
0), y ambas producen un valor de Z = 18. Observe que la ltima tabla smplex tambin
tiene una variable no bsica (x4) con coeficiente cero en el rengln (0).
Esta situacin es inevitable porque las iteraciones adicionales no modifican el rengln 0, y
cada una de las variables bsicas que salen conserva su coeficiente cero.

Si ahora se eligiera x4 como variable bsica entrante, slo se regresara a la tercera tabla
smplex. (Verifique esto.) Por lo tanto, estas dos son las nicas soluciones BF ptimas,
mientras que todas las dems son una combinacin convexa de ellas.

6/12/17 Julio C. Salazar 17

6/12/17 Julio C. Salazar 18