Repblica Bolivariana De Venezuela

Universidad Nacional Experimental de la

Fuerza Armada Nacional
Ncleo Miranda
Extensin Santa Teresa Del Tuy
ING S - 5S - D01
Asignatura: Investigacin de Operaciones

Mtodo Simplex

Profesor:

Alumnos:

Franco Piero

Alexander Medina C.I. 24.671.744

Raidenis Piango C.I. 23.658.902

Marzo, 2016
ndice

Pg.
IntroduccinN 3
Contenido
Mtodo Simplex............................................N 4
Observaciones importantes al utilizar mtodo simplex .N 4
Mtodo simplex paso a paso.............N 6
Problemas de minimizacin con el mtodo simplex.....................N 15
Caractersticas del mtodo simplex...N 16
Fundamentos del mtodo simplex N 16

ConclusinN 17
BibliografaN 18

Introduccin
2

Este trabajo trata sobre los fundamentos tericos de la Programacin

Lineal, ya que est comprendida dentro de un campo ms amplio de la
matemtica aplicada conocido como Investigacin de Operaciones. Por lo
tanto, antes de introducir la Programacin Lineal, se aborda el campo que la
contiene.
Existen paquetes de software que desarrollan este trabajo algortmico,
por lo tanto, la parte del trabajo interdisciplinario que corresponde a los
matemticos, consiste en comprender los fundamentos a fin de estar en
capacidad de producir soluciones nuevas a problemas que no hayan sido
considerados con anterioridad, o a mejorar las existentes.
Es caracterstica de los modelos matemticos de los problemas de
Investigacin de Operaciones, la existencia de una, o unas, funciones
objetivo que se desea optimizar en presencia de restricciones sobre las
variables. La Programacin Lineal se ocupa de los problemas en los cuales
tanto la funcin objetivo como las restricciones son de tipo lineal. Este trabajo
est dirigido ms al porqu, que al cmo, de los algoritmos, por lo tanto, es
adecuado, sobre todo, para quienes ya han tenido contacto con el tema y
desean conocer los resultados en los cuales se basa el algoritmo simplex.
Aunque este trabajo es esencialmente de tipo exploratorio, la aplicacin
literal de la teora permiti llegar a desarrollar ejemplos que van ms all de
lo usual y a proponer dos cambios que simplifican la ejecucin del algoritmo
de penalizacin.

Mtodo Simplex

Es un mtodo analtico de solucin de problemas de programacin

lineal capaz de resolver modelos ms complejos que los resueltos mediante
el mtodo sin restriccin en el nmero de variables.
El Mtodo Simplex es un mtodo iterativo que permite ir mejorando la
solucin en cada paso. La razn matemtica de esta mejora radica en que el
mtodo consiste en caminar del vrtice de un poliedro a un vrtice vecino de
manera que aumente o disminuya (segn el contexto de la funcin objetivo,
sea maximizar o minimizar), dado que el nmero de vrtices que presenta un
poliedro solucin es finito siempre se hallar solucin.
Este famossimo mtodo fue creado en el ao de 1947 por el
estadounidense George Bernard Dantzig y el ruso Leonid Vitalievich
Kantorovich, con el nimo de crear un algoritmo capaz de solucionar
problemas de m restricciones y n variables.

Observaciones importantes al utilizar mtodo simplex

Variables de holgura y exceso

El Mtodo Simplex trabaja basndose en ecuaciones y las
restricciones iniciales que se modelan mediante programacin lineal no lo
son, para ello hay que convertir estas inecuaciones en ecuaciones utilizando
unas variables denominadas de holgura y exceso relacionadas con el
recurso al cual hace referencia la restriccin y que en el tabulado final
representa el "Slack or surplus" al que hacen referencia los famosos
programas de resolucin de investigacin de operaciones, estas variables
adquieren un gran valor en el anlisis de sensibilidad y juegan un rol
fundamental en la creacin de la matriz identidad base del Simplex.

Estas variables suelen estar representadas por la letra "S", se suman

si la restriccin es de signo "<= " y se restan si la restriccin es de signo ">=".
Por ejemplo:

Mtodo simplex paso a paso

El problema
La empresa el SAMN Ltda. Dedicada a la fabricacin de muebles, ha
ampliado su produccin en dos lneas ms. Por lo tanto, actualmente fabrica
mesas, sillas, camas y bibliotecas. Cada mesa requiere de 2 piezas
rectangulares de 8 pines, y 2 piezas cuadradas de 4 pines. Cada silla
requiere de 1 pieza rectangular de 8 pines y 2 piezas cuadradas de 4 pines,
cada cama requiere de 1 pieza rectangular de 8 pines, 1 cuadrada de 4 pines
y 2 bases trapezoidales de 2 pines y finalmente cada biblioteca requiere de 2
piezas rectangulares de 8 pines, 2 bases trapezoidales de 2 pines y 4 piezas
rectangulares de 2 pines. Cada mesa cuesta producirla $10000 y se vende
en $ 30000, cada silla cuesta producirla $ 8000 y se vende en $ 28000, cada
cama cuesta producirla $ 20000 y se vende en $ 40000, cada biblioteca
cuesta producirla $ 40000 y se vende en $ 60000. El objetivo de la fbrica es
maximizar las utilidades.

Paso 1: modelacin mediante programacin lineal

Las variables:
X1 = Cantidad de mesas a producir (unidades)
X2 = Cantidad de sillas a producir (unidades)
X3 = Cantidad de camas a producir (unidades)
X4 = Cantidad de bibliotecas a producir (unidades)
Las restricciones:
2X1 + 1X2 + 1X3 + 2X4 <= 24
2X1 + 2X2 + 1X3 <= 20
2X3 + 2X4 <= 20
4X4 <= 16
La funcin Objetivo:
ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4

Paso 2: convertir las inecuaciones en ecuaciones

En este paso el objetivo es asignar a cada recurso una variable de
Holgura, dado que todas las restricciones son "<=".
2X1 + 1X2 + 1X3 + 2X4 + 1S1 + 0S2 + 0S3 + 0S4 = 24
2X1 + 2X2 + 1X3 + 0X4 + 0S1 + 1S2 + 0S3 + 0S4 = 20
0X1 + 0X2 + 2X3 + 2X4 + 0S1 + 0S2 + 1S3 + 0S4 = 20
0X1 + 0X2 + 0X3 + 4X4 + 0S1 + 0S2 + 0S3 + 1S4 = 16
De esta manera podemos apreciar una matriz identidad (n = 4),
formado por las variables de holgura las cuales solo tienen coeficiente 1 en
su respectivo recurso, por el ejemplo la variable de holgura "S1" solo tiene
coeficiente 1 en la restriccin correspondiente a el recurso 1.
La funcin objetivo no sufre variaciones:

ZMAX = 20000X1 + 20000X2 + 20000X3 + 20000X4

Paso 3: definir la solucin bsica inicial

El Mtodo Simplex parte de una solucin bsica inicial para realizar
todas sus iteraciones, esta solucin bsica inicial se forma con las variables
de coeficiente diferente de cero (0) en la matriz identidad.
1S1 = 24
1S2 = 20
1S3 = 20
1S4 = 16

Paso 4: definir la tabla simplex inicial

Solucin: (segundo trmino) = En esta fila se consigna el segundo
trmino de la solucin, es decir las variables, lo ms adecuado es que estas
se consignen de manera ordenada, tal cual como se escribieron en la
definicin de restricciones.
Cj = La fila "Cj" hace referencia al coeficiente que tiene cada una de las
variables de la fila "solucin" en la funcin objetivo.
Variable Solucin = En esta columna se consigna la solucin bsica inicial,
y a partir de esta en cada iteracin se van incluyendo las variables que
formarn parte de la solucin final.
8

Cb = En esta fila se consigna el valor que tiene la variable que se encuentra

a su derecha "Variable solucin" en la funcin objetivo.
Zj = En esta fila se consigna la contribucin total, es decir la suma de los
productos entre trmino y Cb.
Cj - Zj = En esta fila se realiza la diferencia entre la fila Cj y la fila Zj, su
significado es un "Shadow price", es decir, la utilidad que se deja de recibir
por cada unidad de la variable correspondiente que no forme parte de la
solucin.

Solucin inicial:
Paso 5: realizar las iteraciones necesarias
Este es el paso definitivo en la resolucin por medio del Mtodo
Simplex, consiste en realizar intentos mientras el modelo va de un vrtice del
poliedro objetivo a otro.

El procedimiento a seguir es el siguiente:

1. Evaluar que variable entrar y cual saldr de la solucin ptima:
Variable que
entra
Variable que
sale

2. El hecho de que una variable distinta forme parte de las variables solucin
implica una serie de cambios en el tabulado Simplex, cambios que se
explicarn a continuacin:

Lo primero es no olvidar el valor del "a" correspondiente a las

variables a entrar, en este caso el "a = 4".

Lo siguiente es comenzar a rellenar el resto de la tabla, fila por fila.

10

La

Sie
ce
co
int
va
po

Maximizar
Solucin
ptima

Cuando todos los Cj - Zj

sean <= 0

Minimizar
Cuando todos los Cj - Zj
sean >= 0

Se repite este procedimiento con las dos filas restantes, ahora se

harn los clculos correspondientes en el resto de las celdas.

De esta manera se culmina la primera iteracin, este paso se repetir

cuantas veces sea necesario y solo se dar por terminado el mtodo segn
los siguientes criterios:

Continuamos con las iteraciones para lo cual tenemos que repetir los
pasos anteriores.

En esta ltima iteracin podemos observar que se cumple con la

consigna Cj - Zj <= 0, para ejercicios cuya funcin objetivo sea "Maximizar",
por ende, hemos llegado a la respuesta ptima.

11

X1 = 3
X2 = 4
X3 = 6
X4 = 4
Con una utilidad de: $ 340000
Sin embargo, una vez finalizado el Mtodo Simplex se debe observar
una matriz identidad en el rectngulo determinado por las variables de
decisin, el hecho de que en este caso no se muestre la matriz identidad
significa que existe una solucin ptima alterna.

La manera de llegar a la otra solucin consiste en alterar el orden en

que cada una de las variables entro a la solucin bsica, recordemos que el
proceso fue decidido al azar debido a la igualdad en el Cj - Zj del tabulado
inicial. Aqu les presentamos una de las maneras de llegar a la otra solucin.

12

13

Podemos observar como existe una solucin ptima alternativa en la

cual la combinacin de variables es distinta y existe un menor consumo de
recursos, dado que el hecho de que se encuentre la variable "S1" en la

14

solucin ptima con un coeficiente de "3" significa que se presenta una

holgura de 3 unidades del recurso (pieza rectangular de 8 pines).
X1 = 0 (Cantidad de mesas a producir = 0)
X2 = 7 (Cantidad de sillas a producir = 7)
X3 = 6 (Cantidad de camas a producir = 6)
X4 = 4 (Cantidad de bibliotecas a producir = 4)
S1 = 3 (Cantidad de piezas rectangulares de 8 pines sin utilizar =3)
Con una utilidad de: $ 340000

Problemas de minimizacin con el mtodo simplex

Para resolver problemas de minimizacin mediante el algoritmo simplex
existen dos procedimientos que se emplean con regularidad.

El primero, que a mi juicio es el ms recomendable se basa en un

artificio aplicable al algoritmo
que dicta que "para cualquier
f(x) maximizar tambin a aplicar es multiplicar por el

fundamentado en la lgica matemtica

funcin f(x), todo punto que minimice a
f(x)". Por lo tanto, el procedimiento a
factor negativo (-1) a toda la funcin

objetivo.

A continuacin, se resuelve el algoritmo como un problema de maximizacin.

El segundo procedimiento, el cual pretende conservar la minimizacin

consiste en aplicar los criterios de decisin que hemos esbozado con
anterioridad, en los casos de la variable que entra, que sale y el caso

15

en el que la solucin ptima es encontrada. Aqu recordamos los

Minimizar
Variable que entra
Variable que sale

La ms negativa de los (Cj - Zj)

Siendo "b" los valores bajo la celda solucin y "a" el
valor correspondiente a la interseccin entre "b" y la
variable que entra. La ms positiva de los "b/a".

Solucin ptima
Cuando todos los (Cj - Zj) sean >= 0.
procedimientos segn el criterio dado el caso "minimizar".

Caractersticas del mtodo simplex

Es aplicable a problemas de PL multidimensionales.

Tiene como base el lgebra matricial y el proceso de eliminacin de

Gauss Jordan.
Es un proceso de bsqueda que se vuelve sorprendentemente
eficiente para solucionar problemas muy grandes.

Fundamentos del mtodo simplex

La mayora de los problemas reales de programacin lineal tienen ms
de dos variables y son por ende demasiado grandes para su solucin grfica.
Un procedimiento llamado mtodo simplex desarrollado en 1947 por el
norteamericano George B. Dantzia puede ser utilizado para encontrar la
solucin ptica de los problemas con multivariables. El Mtodo Simplex es en
realidad un algoritmo (o un conjunto de instrucciones) con el que se
examinan los puntos vrtices (esquinas) de una manera metdica hasta
conseguir la mejor solucin: la mxima utilidad o el mnimo costo.

16

Conclusin
Detrs de todo algoritmo matemtico, desde la multiplicacin de
nmeros de varias cifras, hasta el entrenamiento de redes neuronales, existe
una teora que justifica cada uno de los pasos. El conocimiento de sta teora
no es necesario para ejecutar los algoritmos, unas demostraciones
contundentes de esta afirmacin son todos los que ejecutan los
computadores. Sin embargo, el desconocimiento de la teora s impide
mejorar, o adaptar, los algoritmos existentes o crear nuevos algoritmos.
La programacin lineal es la puerta de entrada al extenso campo de la
Investigacin de Operaciones, que constituye una de las reas de la
matemtica aplicada ms interesantes y tiles de la actualidad. Por alguna
razn, en este momento los trabajos de grado de la Fundacin se estn
enfocando hacia esta rea y esto me parece bueno, porque la situacin
futura del pas nos llevar a enfrentarnos con naciones que aplican este tipo
de conocimientos a cada una de las empresas en las cuales se
comprometen, y han demostrado que constituye una herramienta efectiva.
El terreno ganado en comprensin terica es pequeo, pero desde l
se puede continuar la exploracin de los grandes espacios que an falta
conquistar. El matrimonio matemticas-informtica que est en los
fundamentos de la concepcin de la carrera de matemticas en la
Fundacin, puede encontrar en la Investigacin de Operaciones un rico filn,
y puede constituirse en el fuerte del perfil del futuro profesional. Adems,
17

esto estara en consonancia con el postgrado que ofrece la Fundacin en

esta rea.

Bibliografa
Links de pginas:

18