Calculadora del Mètode Simplex — Pas a Pas

Un solucionador matemàtic pas a pas per a la Programació Lineal. Resol models de maximització i minimització amb Simplex estàndard, Gran M i anàlisi de sensibilitat.

Investigació Operativa i Programació Lineal

Fonaments del Mètode Simplex: Guia Acadèmica

Comprèn com l'algorisme Simplex recorre políedres factibles, resol restriccions >= amb Gran M i calcula preus ombra econòmics.

01

Què resol el Mètode Simplex?

L'algorisme Simplex resol problemes de Programació Lineal (PL) trobant el valor òptim d'una funció objectiu lineal subjecta a restriccions lineals d'igualtat o desigualtat. Geomètricament, la regió de solucions factibles forma un políedre convex, i el teorema fonamental de la programació lineal garanteix que la solució òptima sempre es troba en un vèrtex extrem. En lloc d'avaluar tots els vèrtexs, el Simplex es desplaça iterativament per arestes adjacents millorant el valor objectiu fins a certificar l'òptim global.

02

Quan i per què aplicar la Gran M?

El Simplex estàndard requereix una solució bàsica factible inicial (matriu identitat), proporcionada immediatament per variables d'holgura quan totes les restriccions són <= amb termes independents no negatius. Si el model conté restriccions >= o =, l'origen (0,0) és infactible. El mètode de la Gran M introdueix variables artificials fortament penalitzades a la funció objectiu per -M (en maximització) o +M (en minimització). Si alguna variable artificial roman estrictament positiva al tableau final, el problema és matemàticament infactible.

03

Com interpretar els tableaus i la sensibilitat?

Cada iteració del Simplex actualitza el tableau mitjançant operacions elementals de Gauss-Jordan. La variable d'entrada es tria pel cost reduït més negatiu a la fila Z (en maximització), mentre que la variable de sortida es determina mitjançant la prova de la raó mínima positiva. A més de la solució òptima, el nostre solucionador mostra els preus ombra (valors duals) sota les columnes d'holgura, indicant quant augmentaria el benefici per cada unitat addicional de recurs disponible.

Preguntes Freqüents de Programació Lineal

Com triar entre el mètode de la Gran M i el de les Dues Fases?

Ambdós mètodes resolen models amb restriccions >= i =. La Gran M utilitza una única funció objectiu amb una constant penalitzadora gran M, intuïtiva per a càlculs manuals però propensa a errors d'arrodoniment en ordinadors. El mètode de les Dues Fases separa la cerca de factibilitat (Fase I) de l'optimització real (Fase II). Simplex Solver Pro implementa la Gran M per al desglossament pas a pas dels tableaus; pots consultar la nostra guia de Dues Fases per comparar ambdós enfocaments.

Què cal fer si una restricció té un terme independent (RHS) negatiu?

Una restricció amb terme independent negatiu (per exemple, 2x1 + x2 <= -4) s'ha de normalitzar abans de construir el tableau multiplicant tota la inequació per -1, la qual cosa inverteix el sentit de la desigualtat (-2x1 - x2 >= 4).

Com detecta el solucionador problemes no acotats o amb múltiples òptims?

Si tots els coeficients de la columna pivote són menors o iguals a zero, no es pot calcular cap raó positiva i el problema és no acotat (il·limitat). Si una variable no bàsica té un cost reduït exactament igual a zero al tableau òptim final, existeixen múltiples solucions òptimes alternatives al llarg d'aquesta aresta.

Quin és el significat econòmic d'un Preu Ombra?

El preu ombra reflecteix el valor marginal d'un recurs limitat. En restriccions saturades o limitants (holgura = 0), el preu ombra és positiu i indica l'increment exacte del benefici en obtenir una unitat addicional d'aquell recurs dins del rang de factibilitat.