Método Simplex

El método Simplex es un procedimiento iterativo que permite mejorar la solución de la

función objetivo en cada paso. El proceso concluye cuando no es posible continuar
mejorando dicho valor, es decir, se ha alcanzado la solución óptima (el mayor o menor
valor posible, según el caso, para el que se satisfacen todas las restricciones).

Partiendo del valor de la función objetivo en un punto cualquiera, el procedimiento consiste

en buscar otro punto que mejore el valor anterior. Como se verá en el método Gráfico,
dichos puntos son los vértices del polígono (o poliedro o polícoro, si el número de variables
es mayor de 2) que constituye la región determinada por las restricciones a las que se
encuentra sujeto el problema (llamada región factible). La búsqueda se realiza mediante
desplazamientos por las aristas del polígono, desde el vértice actual hasta uno adyacente
que mejore el valor de la función objetivo. Siempre que exista región factible, como su
número de vértices y de aristas es finito, será posible encontrar la solución.

El método Simplex se basa en la siguiente propiedad: si la función objetivo Z no toma su

valor máximo en el vértice A, entonces existe una arista que parte de A y a lo largo de la
cual el valor de Z aumenta.

Será necesario tener en cuenta que el método Simplex únicamente trabaja con restricciones
del problema cuyas inecuaciones sean del tipo "≤" (menor o igual) y sus coeficientes
independientes sean mayores o iguales a 0. Por tanto habrá que estandarizar las
restricciones para que cumplan estos requisitos antes de iniciar el algoritmo del Simplex.
En caso de que después de éste proceso aparezcan restricciones del tipo "≥" (mayor o igual)
o "=" (igualdad), o no se puedan cambiar, será necesario emplear otros métodos de
resolución, siendo el más común el método de las Dos Fases.

Preparando el modelo para adaptarlo al método Simplex

La forma estándar del modelo de problema consta de una función objetivo sujeta a
determinadas restricciones:

Función objetivo: c1·x1 + c2·x2 + ... + cn·xn

Sujeto a: a11·x1 + a12·x2 + ... + a1n·xn = b1

a21·x1 + a22·x2 + ... + a2n·xn = b2
...
am1·x1 + am2·x2 + ... + amn·xn = bm
x1,..., xn ≥ 0

El modelo debe cumplir las siguientes condiciones:

 1. El objetivo consistirá en maximizar o minimizar el valor de la función objetivo (por
ejemplo, incrementar ganancias o reducir pérdidas, respectivamente).
2. Todas las restricciones deben ser ecuaciones de igualdad (identidades matemáticas).
3. Todas las variables (xi) deben tener valor positivo o nulo (condición de no negatividad).
4. Los términos independientes (bi) de cada ecuación deben ser no negativos.

Hay que adaptar el problema modelado a la forma estándar para poder aplicar el algoritmo
del Simplex.

Tipo de optimización.

Como se ha comentado, el objetivo del método consistirá en optimizar el valor de la

función objetivo. Sin embargo se presentan dos opciones: obtener el valor óptimo mayor
(maximizar) u obtener el valor óptimo menor (minimizar).

Además existen diferencias en el algoritmo entre el objetivo de maximización y el de

minimización en cuanto al criterio de condición de parada para finalizar las iteraciones y a
las condiciones de entrada y salida de la base. Así:

• Objetivo de maximización

Condición de parada: cuando en la fila Z no aparece ningún valor negativo.

Condición de entrada a la base: el menor valor negativo en la fila Z (o el de mayor

valor absoluto entre los negativos) indica la variable Pj que entra a la base.

Condición de salida de la base: una vez obtenida la variable entrante, la variable que
sale se determina mediante el menor cociente P0/Pj de los estrictamente positivos.

• Objetivo de minimización

Condición de parada: cuando en la fila Z no aparece ningún valor positivo.

Condición de entrada a la base: el mayor valor positivo en la fila Z indica la variable

Pj que entra a la base.

Condición de salida de la base: una vez obtenida la variable entrante, la variable que
sale se determina mediante el menor cociente P0/Pj de los estrictamente negativos.

No obstante, es posible normalizar el objetivo del problema con el fin de aplicar siempre
los mismos criterios en lo referente a la condición de parada del algoritmo y a las
condiciones de entrada y salida de las variables de la base. De esta forma, si el objetivo es
minimizar la solución, se puede cambiar el problema a otro equivalente de maximización
simplemente multiplicando la función objetivo por "-1". Es decir, el problema de minimizar
Z es equivalente al problema de maximizar (-1)·Z. Una vez obtenida la solución será
necesario multiplicarla también por (-1).
Ventajas: No hay que preocuparse por nuevos criterios de parada, condición de entrada y
salida de la base ya que se mantienen.

Inconvenientes: En el caso de que la función tenga todos los coeficientes de sus variables
básicas positivos, y además las restricciones sean del tipo de desigualdad "≤", al hacer el
cambio dichos coeficientes quedan negativos cumpliéndose la condición de parada en la
primera iteración (en la fila del valor de la función objetivo todos los valores son positivos
o cero). Obteniéndose en este caso por defecto un valor óptimo para la función igual a 0.

Solución: Realmente no existe este problema dado que para que la solución sea superior a 0
es necesario que alguna restricción tenga impuesta la condición "≥" (y se trataría de un
modelo para el método de las Dos Fases). En el caso planteado, la solución real debe ser
cero.
EJERCICIOS
1

En un laboratorio se fabrican 4 productos P1, P2, P3, P4 que consumen

un día por unidad en su proceso completo de producción, aunque se
pueden producir varias unidades simultáneamente. El espacio (m2) en
el almacén y la mano de obra (número de trabajadores) disponibles
limitan la producción. La siguiente tabla contiene los datos relevantes
del proceso de producción, así como los costos de fabricación y precios
de venta (en miles de pesos).

MAX G=30X+50Y+85Z+9 G-30X-50Y-85Z-

GAN 0W 90W=0

RESTRICCIONES
10X+30Y+80Z+40 10X+30Y+80Z+40
W<=900 W+D=900
2X+1Y+1Z+3W<= 2X+1Y+1Z+3W+Q
80 =80

CON
G X Y Z W D Q
S
11.
R1 0 10 30 80 40 1 0 900
25
R2 0 2 1 1 3 0 1 80 80
R3 1 -30 -50 -85 -90 0 0 0

CON
G X Y Z W D Q
S
11.2 22.
R4 0 0.125 0.375 1 0.5 0.0125 0
5 80 5
68.7 27.
R5 0 1.875 0.625 0 2.5 -0.0125 1
5 -1 5
956.
R6 1 -19.375 -18.125 0 -47.5 1.0625 0
25 85
 CON
G X Y Z W S
R7 0 0.25 0.75 2 1 0.025 0 22.5 0.5 90
-
R8 0 1.25 -1.25 -5 0 -0.075 1 12.5 2.5 10
202 47.
R9 1 -7.5 17.5 95 0 2.25 0 5 5

CON
G X Y Z W S
-
0.2
R7 0 0 1 3 1 0.04 -0.2 20 5
1.2
R8 0 1 -1 -4 0 -0.06 0.8 10 5
210
R9 1 0 10 65 0 1.8 6 0 7.5

X 10
Y 0
Z 0
W 20
G 2100

MAX G=30X+50Y+85Z+9
GAN 0W

RESTRICCIONES
10X+30Y+80Z+40
W<=900
2X+1Y+1Z+3W<=
80

RESULT FORM
X Y Z W SIGNO
ADO ULA
FUNCION
30 50 85 90 2100
OBJETIVO
RESTRICCIÓ
10 30 80 40 <= 900 900
N1
 RESTRICCIÓ
2 1 1 3 <= 80 80
N2

X= 10
Y= 0
Z= 0
W= 20
G= 2100

En un laboratorio existen dos contadores de bacterias disponibles. El

contador C1 puede ser manipulado por un estudiante que gana 400
ptas. por hora. En promedio es capaz de contar 5 muestras en una hora.
El contador C2 es más rápido, pero también más sofisticado. Solo una
persona bien preparada pero que gana 1000 Ptas. Por hora puede
manipularlo. Con la misma precisión que C1 el contador C2 permite
contar 10 muestras en una hora. Al laboratorio se le dan 1000 muestras
para que se cuenten en un periodo que no exceda las 80 horas
¿Cuántas horas deben usar cada contador para realizar la tarea con un
coste mínimo? ¿Cuál es el dicho coste?
MAX G=400X+1000
G-400X-1000Y=0
GAN Y

RESTRICCIONES
5X+10Y=1000 5X+10Y+Q=1000
X=80 X+W=80
Y=80 Y+Z=80

G X Y Q W Z CONS
R1 0 5 10 1 0 0 1000 100
#¡DIV/0
R2 0 1 0 0 1 0 80
!
R3 0 0 1 0 0 1 80 80
R4 1 -400 -1000 0 0 0 0

G X Y Z W D CONS
R5 0 5 0 1 0 -10 200 -10
 R6 0 1 0 0 1 0 80 0
R7 0 0 1 0 0 1 80 1
100 8000
R8 1 -400 0 0 0
0 0 1000

G X Y Z W CONS
R7 0 1 0 0.2 0 -2 40 5
R8 0 0 0 -0.2 1 2 40 -1
R9 0 0 1 0 0 1 80
9600
R10 1 0 0 80 0 200 0 400

X 40
Y 80
G 96000

G=400X+1000
MIN GAN
Y

RESTRICCIONES
5X+10Y=1000
X=80
Y=80

RESULTAD FORMUL
X Y SIGNO
O A
FUNCION
400 1000 96000
OBJETIVO
RESTRICCIÓN 1 5 10 <= 1000 1000
RESTRICCIÓN 1 0 1 <= 80 80
RESTRICCIÓN 3 1 0 <= 80 40

X= 40
Y= 80
G= 96000