1. ¿Cuál es la esencia del Método Simplex?
R: El método Simplex es un procedimiento algebraico, sus conceptos fundamentales son geométricos, y consiste en un algoritmo iterativo que secuencialmente a través de iteraciones se va aproximando al óptimo del problema de Programación Lineal en caso de existir esta última.
2. ¿Qué es una frontera de restricción?
R: Es una reta que marca el límite de lo que permite la restricción correspondiente.
3. ¿Que se considera una prueba de optimalidad?
R: Una prueba de optimalidad es lo siguiente: considerando cualquier problema de programación lineal que posea al menos una solución óptima. Si una solución FEV (soluciones factibles en los vértices) no tiene soluciones FEV adyacentes que sean mejores (según el valor de Z), entonces esas debe ser una solución óptima.
4. ¿Cómo puedo comprobar que un problema de Programación Lineal resolviéndolo por Método Simplex tiene infinitas soluciones?
R: Un problema de Programación Lineal resolviéndolo por Método Simplex tiene infinitas soluciones si en la tabla final del Método Simplex un costo reducido asociado a una variable no básica es igual a cero.
5. Utilizando el Método Simplex, ¿Cómo se puede detectar que un problema de Programación Lineal es no acotado?
R: Se puede detecta esta situación cuando al realizar el cálculo de la variable que deja la base, todos los elementos Ykj de la columna j en la tabla son negativos, para j el índice de una variable no básica con costo reducido negativo.
6. Utilizando el Método Simplex de 2 Fases, ¿Cómo como compruebo que el problema asociado es infactible?
R: Se comprueba si el valor de la función objetivo estando terminada la Fase I es distinto de cero.
7. ¿Se podría considerar como variable que entra a la base alguna variable no básica con costo reducido negativo, pero no el "más negativo" de todos? (Método Simplex)
R: No es incorrecto. En lo habitual, se utiliza como criterio seleccionar como variable entrante a la base aquella variable no básica con costo reducido más negativo, de manera de que en menos iteraciones podamos alcanzar el óptimo en caso que éste exista.
