UNIVERSIDAD DE AQUINO BOLIVIA

FACULTAD DE CIENCIAS Y TECNOLOGIA

INGENIERIA EN GAS Y PETROLEO

1. DESCRIPCION

Tambin llamado mtodo simplex revisado.

Los pasos iterativos del mtodo simplex revisado son exactamente los mismos que en el mtodo
de la tabla simplex. La diferencia principal es que los clculos en el mtodo revisado se basan en
manipulaciones de matriz y no en operaciones de filas.

El mtodo simplex revisado es un mejoramiento del mtodo simplex, en cuanto a la solucin de

problemas lineales grandes que requieren gran cantidad de almacenamiento de informacin. Sin
embargo en bastantes problemas reales, el almacenar una matriz de orden m*m (la matriz B -1)
pude resultar una tarea sino imposible, con bastante complicacin y que consume mucho tiempo.

2. DETALLAR LAS FORMULAS Y EXPLICAR

El problema de PL puede escribirse como

Dados el vector bsico XB, su base B, y su vector objetivo CB, la tabla simplex general
desarrollada en la seccin 7.1.2 muestra que cualquier iteracin simplex puede representarse
mediante las siguientes ecuaciones:

El costo reducido de xj tal como se defini en la seccin 4.3.2, se calcula como:

Descomposicin Lineal Pgina 1

 UNIVERSIDAD DE AQUINO BOLIVIA
FACULTAD DE CIENCIAS Y TECNOLOGIA
INGENIERIA EN GAS Y PETROLEO

Condicin de optimalidad. La ecuacin z muestra que, en el caso de maximizacin, un

incremento de la variable xj no bsica por encima de su valor cero actual puede mejorar el
valor de z (con respecto a su valor actual, CBB21b) slo si zj cj , 0. Para minimizacin, la
condicin es zj 2 cj . 0. Por lo tanto, el vector de entrada se selecciona como el vector no
bsico con la condicin zj 2 cj ms negativa (ms positiva) en caso de maximizacin
(minimizacin).
Condicin de factibilidad. Dado el vector de entrada Pj determinado por la condicin
de optimalidad, las ecuaciones de restriccin se reducen a:

(Recuerde que las n 1 variables no bsicas restantes son cero.) La idea es (tratar de)
incrementar xj por encima del nivel cero, reemplazando una de las variables bsicas actuales.
El requisito de que todas las (XB) permanezcan no negativas lo dicta el grado al cual se
incrementa xj; es decir,

Si (B21Pj) . 0 con al menos una i, la condicin de no negatividad (XB) $ 0 todas las i,

establece el lmite en el incremento mximo del valor de la variable de entrada xj; a saber,

Suponga que (XB)k es la variable no bsica que corresponde a la relacin mnima.

Se desprende entonces que Pk debe ser el vector de salida, y su variable asociada (bsica)
debe volverse no bsica (en el nivel cero) en la siguiente iteracin simplex.

Descomposicin Lineal Pgina 2

 UNIVERSIDAD DE AQUINO BOLIVIA
FACULTAD DE CIENCIAS Y TECNOLOGIA
INGENIERIA EN GAS Y PETROLEO

3. PROBLEMAS
3.1. EJEMPLO EN CLASE

F.O: Max Z= +
s.a.: 31 + 2 = 3 (1)
41 + 32 6 (2)
//(-1)
1 + 22 4 (3)

Para hacer ms sencillo nuestro ejercicio multiplicaremos a la restriccin (2) por -1, teniendo as:

F.O: Max Z= +
s.a.: 31 + 2 = 3 (1)
41 32 6 (2)
1 + 22 4 (3)

PASO 1: Procedemos a estandarizar, aplicando las condiciones del mtodo de las Ms y simplex:

RECORDAMOS QUE:
En las restricciones
Por cada = se aade una variable artificial (Ri)
Por cada se aade una variable de holgura (+hi)
Por cada se aade una variable superflua (-Si)
En la funcin objetivo:
Para las variables artificiales (Ri) los coeficientes deben ser asignados
arbitrariamente (10,100,1000,etc); mientras que para las variables de
holgura (hi) y superflua (Si) la constante es cero.
El signo para la variable artificial es de la siguiente manera: Maximizar (-)
y Minimizar (+).

Descomposicin Lineal Pgina 3

 UNIVERSIDAD DE AQUINO BOLIVIA
FACULTAD DE CIENCIAS Y TECNOLOGIA
INGENIERIA EN GAS Y PETROLEO

Por lo tanto, tenemos:

F.O: Max Z= + + +
s.a.: 31 + 2 + = 3 (1)
41 32 + = 6 (2)
1 + 22 + = 4 (3)

PASO 2: Definimos lo siguiente

3 1
= 4 3
1 2
3 1 1 0 0 3
= [4 3 0 1 0] = | 6 |
1 2 0 0 1 4
1 0 0
= = [0 1 0]
0 0 1

1
= | 1 |
2
1
2
1
= |1 | = | |
| | 2
1
2

= |4, 1|

= |4, 1, 100, 0, 0|

= | 100,0,0|

Descomposicin Lineal Pgina 4

 UNIVERSIDAD DE AQUINO BOLIVIA
FACULTAD DE CIENCIAS Y TECNOLOGIA
INGENIERIA EN GAS Y PETROLEO

Definicin de variables:

A: Matriz de coeficientes
B-1: Matriz inversa
AJ: Variables bsicas
b: Recursos disponibles
C: coeficientes tecnolgicos
CB: Matriz de coeficientes tecnolgicos no bsicos
Cj: Matriz de coeficientes tecnolgicos bsicos

ITERACIN I

PASO 3: criterio de optimalidad.

1 0 0 3 1
| 100,0,0|* [0 1 0]* 4 3 - |, |
0 0 1 1 2
3 1
| 100,0,0| * 4 3- |, |
1 2

|300, 100| - |4, 1|

|304, 101|

Como la funcin es maximizar, se selecciona el valor ms negativo, en este caso -304, que
corresponde a la columna X1; entonces entra la columna X1 para tal caso K= 1.

3
= | 4 |
1

Descomposicin Lineal Pgina 5

 UNIVERSIDAD DE AQUINO BOLIVIA
FACULTAD DE CIENCIAS Y TECNOLOGIA
INGENIERIA EN GAS Y PETROLEO

PASO 4: Criterio del cociente mnimo.

O tambin:

1
1

1 0 0 3 3
[0 1 0] [6] [6]
0 0 1 4 = 4
1 0 0 3 3
[0 1 0] [4] [4]
0 0 1 1 1
3
1
6
4
4
[ 3 ]

3 1
[1.5] 1
1.3 2

Elegimos el menor en este caso h2, que sera la fila que sale.

PASO 5: Mtodo en funcin a la inversa anterior.

a) Obtenemos la matriz inversa de B

1 1 0 3
= [ 1 ] = [0 1 4]
1 0 0 1

3 4 1
= [ 0 1 0]
1 0 0

b) Con la matriz B calculamos la determinante, para este caso aplicamos la regla de Sarrus:

3 4 1
0 1 0
1 0 0 = (0 + 0 + 0) (1 + 0 + 0) = 1
3 4 1
[0 1 0]

Descomposicin Lineal Pgina 6

 UNIVERSIDAD DE AQUINO BOLIVIA
FACULTAD DE CIENCIAS Y TECNOLOGIA
INGENIERIA EN GAS Y PETROLEO

c) Aplicamos la frmula, para actualizar la matriz inversa :

1
1 =
det( )

3 4 1
1
1 = [ 0 1 0]
1
1 0 0

3 4 1
1 = [ 0 1 0 ]
1 0 0

PASO 6: Nuevamente definimos

0 1 3 4 1 3
(,) = 0 3 = [ 0 1 0 ] = | 6 |
1 2 1 0 0 4

1
2
= | 1 | = | |
2
1

= |0, 1| = | 100,0,4|

ITERACION II

Paso 7: Criterio de optamilidad

3 4 1 0 1
[100, 0, 4] [ 0 1 0] [0 3] [0,1]
1 0 0 1 2

(-100 * -3 + 0 * 0+ 4 *-1) = 296

(-100 *4 + 0 *- 1 + 4*0) = -400

(-100 * -1 + 0*0 + 4*0 ) = -100

Descomposicin Lineal Pgina 7

 UNIVERSIDAD DE AQUINO BOLIVIA
FACULTAD DE CIENCIAS Y TECNOLOGIA
INGENIERIA EN GAS Y PETROLEO

0 1
[296, 400, 100] [0 3] [0,1]
1 2

(296 * 0 ) + (-400*0) + (- 100 * 1) = - 100

(296 * 1) + (- 400*-3) + (-100 * 2) = 1296

[100 , 1296] [0, 1]

[100, 1295]

3.2. PROBLEMAS PLANTEADOS

Problema 1

F.O. MAX Z = 101 + 142

S.a. = + <= 24
21 + 62 <= 201
1 , 2 >= 0
Problema 2
F.O. MAX Z = 41 + 32 + 63
S.a. = 31 + 2 + 33 <= 30
21 + 22 + 33 >= 40
1 , 2 , 3 >= 0

Problema 3

F.O. MAX Z = 51 + 22 + 43
S.a. = 1 + 72 + 63 = 22
61 + 32 + 53 = 35
1 , 2 , 3 >= 0

Descomposicin Lineal Pgina 8

 UNIVERSIDAD DE AQUINO BOLIVIA
FACULTAD DE CIENCIAS Y TECNOLOGIA
INGENIERIA EN GAS Y PETROLEO

4. CONCLUSION Y APLICACIN ALA CARRERA

A modo de conclusin te queremos recordar que los mtodos de solucin simplex pueden ser
utilizados para cualquier tipo de problemas de programacin lineal pero recuerden que este
mtodo en su estado natural no permite variables negativas por lo que si estamos en presencia de
un problema de programacin lineal mediante el cual al estudiar el comportamiento de las
variables definimos que hay variables que pueden tener valores negativos, positivos o iguales a
cero, entonces debemos usar para resolverlo el mtodo Simplex Revisado.

Descomposicin Lineal Pgina 9

 UNIVERSIDAD DE AQUINO BOLIVIA
FACULTAD DE CIENCIAS Y TECNOLOGIA
INGENIERIA EN GAS Y PETROLEO

5. BIBLIOGRAFIA

Libro

HAMDY A. TAHA. Investigacin de operaciones. Pearson educacin. Novena edicin.

Internet

http://hemaruce.angelfire.com/PROCEDIMIENTO_SIMPLEX_REVISADO.pdf
http://www.virtual.unal.edu.co/cursos/sedes/manizales/4060014/html/Capitulo%20/simplexr
ev.htm
https://sites.google.com/site/metodosdeprogramacionlinealdan/metodo-simplex-revisado
http://www.unizar.es/3w/Materiales/ADD/Programacion_Lineal/TEORIA.htm

Descomposicin Lineal Pgina 10