MÉTODO SIMPLEX

Ing. Luis Pomares V.

El Método Simplex es un método analítico de solución de problemas de
programación lineal capaz de resolver modelos más complejos que los
resueltos mediante el método gráfico sin restricción en el número de
variables.
El Método Simplex es un método iterativo que permite ir mejorando la
solución en cada paso. La razón matemática de esta mejora radica en que
el método consiste en caminar del vértice de un poliedro a un vértice
vecino de manera que aumente o disminuya (según el contexto de la
función objetivo, sea maximizar o minimizar), dado que el número de
vértices que presenta un poliedro solución es finito siempre se hallará
solución.

Este famosísimo método fue creado en el año de 1947 por el

estadounidense George Bernard Dantzig y el ruso Leonid Vitalievich
Kantorovich, con el ánimo de crear un algoritmo capaz de solucionar
problemas de m restricciones y n variables.
Una matriz puede definirse como una ordenación rectangular de
elementos, (o listado finito de elementos), los cuales pueden ser
números reales o complejos, dispuestos en forma de filas y de
columnas.

La matriz idéntica o identidad es una matriz cuadrada (que posee

el mismo número tanto de columnas como de filas) de orden n
que tiene todos los elementos diagonales iguales a uno (1) y
todos los demás componentes iguales a cero (0), se denomina
matriz idéntica o identidad de orden n, y se denota por:
FORMA ESTÁNDAR
Es la igualación de las restricciones del modelo planteado, así como el aumento de
variables de holgura, o bien la resta de variables de exceso. Forma estándar Es la
igualación de las restricciones del modelo planteado, así como el aumento de variables de
holgura, o bien la resta de variables de exceso.

VARIABLES DE ENTRADA
Estas suelen encontrarse en un criterio que se conoce como “Condición de optimalidad”,
en un modelo, ya sea de optimización o minimización, y se refiere a la variable no básica en
el renglón “z” con el coeficiente más negativo, si se trata de una maximización, o el
coeficiente más positivo, si se trata de una minimización, la cual, en el la tabla de solución
anterior, a excepción de la primer tabla, esta variable era una variable básica.

VARIABLE DE SALIDA
Esta variable es un punto extremo que se encuentra en un criterio conocido como
“Condición de factibilidad”, en un modelo, ya sea de optimización o minimización, y se
refiere a la variable básica asociada con la mínima razón no negativa con el coeficiente más
negativo, si se trata de una maximización, o el coeficiente más positivo, si se trata de una
minimización, la cual, en el la tabla de solución siguiente, pasará a ser variable no básica.

VARIABLES DE HOLGURA O EXCEDENTE

. Son variables que se agregan a la restricción para que la relación de la restricción sea de
igualdad (representa el valor que le hace falta al lado izquierdo para ser igual al lado
derecho). Ambos tipos de variables tienen que cumplir con la restricción de no negatividad
Ejemplo de Simplex:
Vamos a resolver el siguiente problema:

Maximizar Z = f(x1,x2) = 3x1 + 2x2

Sujeto a: 2x1 + x2 ≤ 18

2x1 + 3x2 ≤ 42

3x1 + x2 ≤ 24

x1 ≥ 0 , x2 ≥ 0
Se consideran los siguientes pasos:

1. Convertir las desigualdades en igualdades:

Se introduce una variable de holgura por cada una de las

restricciones, este caso s1, s2, s3 para convertirlas en igualdades
y formar el sistema de ecuaciones estandar. Usando en
simplex el siguiente criterio:

Signo: Introducir

≤ sn
FORMA ESTANDAR:

2x1 + x2 + s1 = 18

2x1 + 3x2 + s2 = 42

3x1 + x2 + s3 = 24
 2. Igualar la función objetivo a cero y despues agregar la variables de
holgura del sistema anterior:

Z - 3 x1 - 2 x2 = 0
Para este caso en particular la funcion objetivo ocupa la ultima fila del tablero,
pero de preferencia siempre se devera de colocar como la primer fila

Cuando minimizamos se toma el valor (+) positivo de Fo para convertirlo en

negativo y cuando maximizamos tomamos el valor (+) negativo de Fo para
convertirlo en positivo.

3. Escribir el tablero inicial simplex:

En las columnas aparecerán todas las variables del problema y, en las

filas, los coeficientes de las igualdades obtenidas, una fila para cada
restricción y la última fila con los coeficientes de la función objetivo:
 Tablero Inicial

Base Variable de Variable de holgura Solución

decisión

X1 X2 S1 S2 S3

S1 2 1 1 0 0 18

S2 2 3 0 1 0 42

S3 3 1 0 0 1 24

Z -3 -2 0 0 0 0
4. Encontrar la variable de decisión que entra en la base y la
variable de holgura que sale de la base

A. Para escoger la variable de decisión que entra en la base, (FLECHA

ROJA PARTE SUPERIOR), observamos la ultima fila, la cual muestra los
coeficientes de la función objetivo y escogemos la variable con el
coeficiente más negativo (en valor absoluto).

En este caso, la variable x1 de coeficiente - 3.

Si existiesen dos o más coeficientes iguales que cumplan la

condición anterior, entonces se elige cualquiera de ellos.

Si en la última fila no existiese ningún coeficiente negativo,

significa que se ha alcanzado la solución óptima.

Por tanto, lo que va a determinar el final del proceso de aplicación del

método del simplex, es que en la última fila no haya elementos
negativos.

La columna de la variable que entra en la base se llama

columna pivote (en color azulado).
 B. Para encontrar la variable de holgura que tiene que salir de la base,
(FLECHA ROJA COSTADO IZQUIERDO) se divide cada término de la última
columna (valores solución) por el término correspondiente de la columna
pivote, siempre que estos últimos sean mayores que cero.

Si hubiese algún elemento menor o igual que cero no se hace dicho

cociente. En el caso de que todos los elementos fuesen menores o iguales a
cero, entonces tendríamos una solución no acotada y no se puede seguir.

El término de la columna pivote que en la división anterior dé lugar al

menor cociente positivo, el 3, ya 8 es el menor, indica la fila de la variable de
holgura que sale de la base, S3. Esta fila se llama fila pivote (en color
azulado).
 Iteración No. 1

Base Variable de Variable de holgura Solución Operación

decisión

X1 X2 S1 S2 S3

S1 2 1 1 0 0 18 18/2 = 9

S2 2 3 0 1 0 42 42/2 = 21

S3 3 1 0 0 1 24 24/3 = 8

Z -3 -2 0 0 0 0
 Si al calcular los cocientes, dos o más son iguales, indica que cualquiera
de las variables correspondientes pueden salir de la base.

C. En la intersección de la fila pivote y columna pivote tenemos el elemento

pivote operacional, 3, este indica que la variable de decisión X1 entra y la
variable de holgura S3 sale.

5. Encontrar los coeficientes para el nuevo tablero de

simplex.

Los nuevos coeficientes de la fila pivote se obtienen dividiendo todos

los coeficientes de la fila por el pivote operacional “3”, ya que este se debe
convertir en 1.

A continuación mediante la reducción gaussiana hacemos ceros los

restantes términos de la columna pivote, con lo que obtenemos los nuevos
coeficientes de las otras filas incluyendo los de la función objetivo Z.
 Resultado de Iteración No. 1

Base Variable de Variable de holgura Solución Operación

decisión

X1 X2 S1 S2 S3

S1 0 1/3 1 0 -2/3 2 f(S1) – 2 f(X1)

S2 0 7/3 0 1 -2/3 26 f(S2) – 2 f(X1)

X1 1 1/3 0 0 -1/3 8 (1/3) X1

Z 0 -1 0 0 1 24 f(Z) + 3 f(X1)
 Como en los elementos de la última fila hay un numero negativo, -1,
significa que no hemos llegado todavía a la solución óptima. Hay que
repetir el proceso:

A. La variable que entra en la base es x2, por ser la columna pivote

que corresponde al coeficiente -1

B. Para calcular la variable que sale o la fila pivote, dividimos los

términos de la columna solución entre los términos de la nueva
columna pivote:

y como el menor cociente positivo es 6, tenemos que la fila pivote

y la variable de holgura que sale es S1.

C. El elemento pivote, que ahora hay que hacer 1, es 1/3.

Y se opera de forma análoga a la anterior iteración

 Iteración No. 2

Base Variable de Variable de holgura Solución Operación

decisión

X1 X2 S1 S2 S3

S1 0 1/3 1 0 -2/3 2 2/(1/3) = 6

S2 0 7/3 0 1 -2/3 26 26/(7/3) = 78/7

X1 1 1/3 0 0 -1/3 8 8/(1/3) = 24

Z 0 -1 0 0 1 24
 Resultado de Iteración No. 2

Base Variable de Variable de holgura Solución Operación

decisión

X1 X2 S1 S2 S3

X2 0 1 3 0 -2 6 3X2

S2 0 0 -7 0 4 12 f(S2) – (7/3) f(X2)

X1 1 0 -1 0 1 6 f(X1) – (1/3) f(X2)

Z 0 0 3 0 -1 30 f(Z) + f(X2)
 Como en los elementos de la última fila hay uno negativo, -1,
significa que no hemos llegado todavía a la solución óptima. Hay que
repetir el proceso:

A. La variable que entra en la base es S3, por ser la variable que

corresponde al coeficiente -1

B. Para calcular la variable que sale, dividimos los términos de la

última columna entre los términos correspondientes de la
nueva columna pivote:

6/(-2) [=-3] , 12/4 [=3], y 6:1 [=6]

y como el menor cociente positivo es 3, tenemos que la
variable de holgura que sale es S2.

C. El elemento pivote, que ahora hay que hacer 1, es 4.

Obtenemos la tabla:
 Iteración No. 3

Base Variable de Variable de holgura Solución Operación

decisión

X1 X2 S1 S2 S3

X2 0 1 3 0 -2 6 No se toma por
ser negativo
S2 0 0 -7 0 4 12 12/4 = 3

X1 1 0 -1 0 1 6 6/1 = 6

Z 0 0 3 0 -1 30
 Resultado de Iteración No. 3

Base Variable de Variable de holgura Solución Operación

decisión

X1 X2 S1 S2 S3

X2 0 1 -1/2 0 0 12 f(X2) + 2 f(S3)

S3 0 0 -7/4 0 1 3 (1/4) S3

X1 1 0 -3/4 0 0 3 f(X1) – f(S3)

Z 0 0 5/4 0 0 33 f(Z) + f(S3)

 Tablero Final

Base Variable de Variable de holgura Solución

decisión

X1 X2 S1 S2 S3

X2 0 1 -1/2 0 0 12

S3 0 0 -7/4 0 1 3

X1 1 0 -3/4 0 0 3

Z 0 0 5/4 0 0 33
 Como todos los coeficientes de la fila de la
función objetivo son positivos, hemos llegado a
la solución óptima.

Los solución óptima viene dada por el valor

de Z en la columna de los valores solución, en
nuestro caso: 33.

X1 = 3
X2 = 12
 Ejemplo de Simplex:
1. Un artesano fabrica trenes y camiones de juguetes utilizando
tornillos, bloques y ruedas como componentes, en la semana
próxima dispone de 8000, 6000 y 6300 componentes
respectivamente, los beneficios por tren y camión son 1.6
Dólares /unidad y 1.4 Dólares/unidad. Los requerimientos
de estos componentes para fabricar un tren o un camión
viene dados en la siguiente tabla:

a) ¿Cuál es el beneficio resultante para maximizar las

ganancias?
b) Determinar la solución óptima
c) Determinar los sobrantes y utilización de los componentes.
 Ejemplo de Simplex:
2. Dos empresas Mineras extraen dos tipos diferentes de minerales, los
cuales son sometidos a un proceso de trituración, con tres grados: alto,
medio y bajo. Las compañías han firmado un contrato para proveer de
mineral a una planta de fundición, cada semana, 12 toneladas de mineral de
grado alto, 8 toneladas de grado medio y 24 toneladas de grado bajo. Cada
una de las empresas tiene diferentes procesos de fabricación basados en el
siguiente cuadro:

¿Cuántos días a la semana debería operar cada empresa para cumplir el

contrato con la planta de fundición y determinar el costo Total del mismo
para Minimizar la operación?