Instituto Tecnolgico Superior

de Calkin, en el Estado de
Campeche.

Alumna:
Lpez Uc Dolores del Rosario. 4523
Carrera: Ingeniera Industrial.
Grupo: A.
Grado: 4.

Profesora: MPEDR. Alejandra Ivette Romero Cantn.

Asignatura: Investigacin de Operaciones I

Mtodo Simplex
Calkin, Campeche a 25 de abril del 2016.

MTODO SIMPLEX
El 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 grfico sin restriccin en el nmero de variables.
Permite ir mejorando la solucin en cada paso. La razn matemtica 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 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.
Qu es una matriz identidad?
Una matriz puede definirse como una ordenacin rectangular de elementos, (o
listado finito de elementos), los cuales pueden ser nmeros reales o complejos,
dispuestos en forma de filas y de columnas. La matriz idntica o identidad es una
matriz cuadrada (que posee el mismo nmero tanto de columnas como de filas) de
orden n que tiene todos los elementos diagonales iguales a uno (1) y todos los
dems componentes iguales a cero (0), se denomina matriz idntica o identidad
de orden n, y se denota por:

La importancia de la teora de matrices en el Mtodo Simplex es fundamental,

dado que el algoritmo se basa en dicha teora para la resolucin de sus
problemas.

Observaciones importantes al utilizar mtodo simplex

En la siguiente tabla se resume segn la desigualdad el tipo de variable que
aparece en la ecuacin normalizada, as como su signo:
Tipo de desigualdad

Tipo de variable que aparece

- exceso + artificial

+ artificial

+ holgura

Variables de holgura y exceso

El Mtodo Simplex trabaja basndose en ecuaciones y las restricciones iniciales
que se modelan mediante programacin lineal, 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 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.
Por ejemplo:

Variable artificial / mtodo de la "m"

Una variable artificial es un truco matemtico para convertir inecuaciones ">=" en
ecuaciones, o cuando aparecen igualdades en el problema original, la
caracterstica principal de estas variables es que no deben formar parte de la
solucin, dado que no representan recursos. El objetivo fundamental de estas
variables es la formacin de la matriz identidad.
Estas variables se representa por la letra "A", siempre se suman a las
restricciones, su coeficiente es M (por esto se le denomina Mtodo de la M
grande, donde M significa un nmero demasiado grande muy poco atractivo para
la funcin objetivo), y el signo en la funcin objetivo va en contra del sentido de la
misma, es decir, en problemas de Maximizacin su signo es menos (-) y en
problemas de Minimizacin su signo es (+), repetimos con el objetivo de que su
valor en la solucin sea cero (0).

Desarrollando el mtodo Simplex

Una vez estandarizado el modelo puede ocurrir que sea necesario aplicar el
mtodo Simplex o el mtodo de las Dos Fases. Vase en la figura la forma de
actuacin para llegar a la solucin del problema modelado.

Mtodo simplex paso a paso

Construccin de la primera tabla:
Las columnas de la tabla estn dispuestas de la siguiente forma: la primera
columna de la tabla contiene las variables que se encuentran en la base (o
variables bsicas), esto es, aquellas que toman valor para proporcionar una
solucin; la segunda columna recoge los coeficientes que dichas variables bsicas
tienen en la funcin objetivo (esta columna es llamada Cb); la tercera muestra el
trmino independiente de cada restriccin (P0); a partir de sta aparece una
columna por cada una de las variables de decisin y holgura presentes en la
funcin objetivo (Pj). Para tener una visin ms clara de la tabla, se incluye una fila
que contiene los ttulos de cada una de las columnas.
Sobre esta tabla se agregan dos nuevas filas: una de ellas, que lidera la tabla,
donde aparecen los coeficientes de las variables de la funcin objetivo, y una
ltima fila que recoge el valor la funcin objetivo y los costes reducidos Zj - Cj.
Los costes reducidos muestran la posibilidad de mejora en la solucin Z0.
Por este motivo tambin son llamados valores indicadores.
Se muestra a continuacin el aspecto general de la tabla del mtodo Simplex:
Tabla
C1

C2

...

Cn

Base

Cb

P0

P1

P2

...

Pn

P1

Cb1

b1

a11

a12

...

a1n

P2

Cb2

b2

a21

a22

...

a2n

...

...

...

...

...

...

...

Pm

Cbm

Bm

am1

am2

...

amn

Z0

Z1-C1

Z2-C2

...

Zn-Cn

Todos los valores incluidos en la tabla vendrn dados por el modelo del problema
salvo los valores de la fila Z (o fila indicadora). Estos se obtienen de la siguiente
forma: Zj = (CbiPj) para i = 1..m, donde si j = 0, P0 = bi y C0 = 0, y en caso
contrario Pj = aij.

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.
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.
Se observa, al realizar el mtodo Simplex, que en esta primera tabla ocupan la
base todas las variables de holgura y por ello (todos los coeficientes de las
variables de holgura son 0 en la funcin objetivo) el valor inicial de Z es cero.
Por este mismo motivo tampoco es necesario realizar los clculos de los costes
reducidos en la primera tabla, pudindose determinar directamente como el
cambio de signo de los coeficientes de cada variable en la funcin objetivo, esto
es, -Cj.
Condicin de parada:
Se cumple la condicin de parada cuando la fila indicadora no contiene ningn
valor negativo entre los costes reducidos (cuando el objetivo es la maximizacin),
esto es, no existe posibilidad de mejora.
Si no se cumple la condicin de parada es necesario realizar una iteracin ms del
algoritmo, esto es, determinar la variable que se vuelve bsica y la que deja de
serlo, encontrar el elemento pivote, actualizar los valores de la tabla y comprobar
si se cumple nuevamente la condicin de parada.
Es tambin posible determinar que el problema no se encuentra acotado y su
solucin siempre resultar mejorable. En tal caso no es necesario continuar
iterando indefinidamente y se puede finalizar el algoritmo. Esta situacin ocurre
cuando en la columna de la variable entrante a la base todos los valores son
negativos o nulos.
Eleccin de la variable que entra a la base:

Cuando una variable se vuelve bsica, es decir, entra en la base, comienza a

formar parte de la solucin. Observando los costes reducidos en la fila Z, se
decide que entra a la base la variable de la columna en la que ste sea el de
menor valor (o de mayor valor absoluto) entre los negativos.
Eleccin de la variable que sale de la base:
Una vez obtenida la variable entrante, se determina que sale de la base la variable
que se encuentre en aquella fila cuyo cociente P0/Pj sea el menor de los
estrictamente positivos (teniendo en cuenta que esta operacin se har
nicamente cuando Pj sea superior a 0).
Elemento pivote:
El elemento pivote de la tabla queda marcado por la interseccin entre la columna
de la variable entrante y la fila de la variable saliente.
Actualizacin de la tabla:
Las filas correspondientes a la funcin objetivo y a los ttulos permanecern
inalteradas en la nueva tabla. El resto de valores debern calcularse como se
explica a continuacin:
En la fila del elemento pivote cada nuevo elemento se calcula como:
Nuevo Elemento Fila Pivote = Anterior Elemento Fila Pivote / Pivote.
En el resto de las filas cada elemento se calcula:
Nuevo Elemento Fila = Anterior Elemento Fila - (Anterior Elemento Fila en
Columna Pivote * Nuevo Elemento Fila Pivote).
De esta forma se consigue que todos los elementos de la columna de la variable
entrante sean nulos salvo el de la fila de la variable saliente cuyo valor ser 1. (Es
anlogo a utilizar el mtodo de Gauss-Jordan para resolver sistemas de
ecuaciones lineales).

Mtodo de las Dos Fases

El mtodo de las Dos Fases se utiliza cuando aparecen variables artificiales en la
forma cannica o estndar del problema. La primera fase trata de resolver el
problema auxiliar Z' de minimizar la suma de las variables artificiales y conseguir
que sea cero (con objeto de evitar incongruencias matemticas). Una vez resuelto
este primer problema, y siempre y cuando el resultado sea el esperado, se
reorganiza la tabla resultante para utilizarla en la segunda fase sobre el problema
original.
En caso contrario el problema no es factible, es decir, no tiene solucin y no ser
necesario continuar con la segunda fase.
FASE 1
Esta primera fase es muy similar al mtodo Simplex, con la excepcin de la
construccin de la primera tabla, adems de la necesidad de estudiar el resultado
obtenido para determinar si se desarrolla la segunda fase.
En tal caso, la ltima tabla de esta fase ser, con algunas modificaciones, la
utilizada como tabla inicial para la segunda fase.
Construccin de la primera tabla:
Se elabora de manera anloga a la tabla inicial del mtodo Simplex, pero con
algunas diferencias.
Como se ha comentado, en esta primera fase se resuelve un problema auxiliar (la
minimizacin de la suma de las variables artificiales) con una funcin objetivo
auxiliar. Por lo tanto en la primera fila de la tabla, donde se muestran los
coeficientes de las variables de la funcin objetivo, aparecern todos los trminos
a cero excepto los coeficientes de variables artificiales. El valor de cada uno de
estos coeficientes es "-1" debido a que se est minimizando la suma de dichas
variables (recuerde que minimizar Z' es igual que maximizar (-1)Z').
La otra diferencia para la primera tabla radica en que ahora s es necesario
calcular la fila Z (o fila indicadora).
Tabla
C0

C1

C2

...

Cn-k

...

Cn

Base

Cb

P0

P1

P2

...

Pn-k

...

Pn

P1

Cb1

b1

a11

a12

...

a1n-k

...

a1n

P2

Cb2

b2

a21

a22

...

a2n-k

...

a2n

Tabla

...

...

...

...

...

...

...

...

...

Pm

Cbm

bm

am1

am2

...

amn-k

...

amn

Z0

Z1

Z2

...

Zn-k

...

Zn

Siendo Zj = (CbiPj) - Cj para i = 1..m, donde si j = 0, P0 = bi y C0 = 0, y en caso

contrario Pj = aij.
Condicin de parada y paso a la fase 2:
La condicin de parada es la misma que en el mtodo Simplex normal. Esto es,
cuando en la fila indicadora ninguno de los valores de los costes reducidos es
negativo (ya que tal y como se ha planteado el objetivo es la maximizacin de (1)Z').
Cumplida la condicin de parada es necesario determinar si es posible pasar a la
segunda fase para obtener la solucin ptima del problema original. Esto se hace
observando el resultado obtenido en la primera fase: si su valor es 0, significa que
el problema original tiene solucin y es posible calcularla, en caso contrario indica
que se trata de un problema no factible y no tiene solucin.
FASE 2
La segunda fase del mtodo de las Dos Fases se desarrolla exactamente igual
que el mtodo Simplex, con la salvedad de que antes de iniciar las iteraciones hay
que eliminar las columnas correspondientes a las variables artificiales, y
reconstruir la tabla inicial.
Eliminar Columna de variables artificiales:
Si hemos llegado a la conclusin de que el problema original tiene solucin,
debemos preparar nuestra tabla para la segunda fase. Este paso es muy sencillo,
se trata nicamente de eliminar las columnas correspondientes a las variables
artificiales.
Construccin de la tabla inicial:
La tabla inicial en este caso se mantiene casi igual a la ltima tabla de la primera
fase. nicamente habr que modificar la fila de la funcin objetivo por la del
problema original y calcular nuevamente la fila Z (de la misma forma que en la
primera tabla de la fase 1).

A partir de este punto, todas las iteraciones hasta llegar a la solucin ptima del
problema no presentan ninguna diferencia con el mtodo Simplex.
Identificando casos anmalos y soluciones
Solucin ptima: cuando se cumple la condicin de parada y no hay variables
artificiales en la base con valor positivo (los valores se indican en la columna P 0),
se ha conseguido la optimizacin. El valor Z0 actual es la solucin ptima del
problema, cumplindose para las variables que se encuentran en la base. Si se
trata de un problema de minimizacin, el valor ptimo obtenido se multiplicar por
"-1".
Infinitas soluciones: cumplida la condicin de parada, si alguna variable de
decisin no bsica tiene un valor 0 en la fila Z, significa que existe otra solucin
que aporta el mismo valor ptimo para la funcin objetivo. Es este caso el
problema admite infinitas soluciones, estando todas ellas comprendidas dentro del
segmento (o porcin del plano, regin del espacio, etc. dependiendo del nmero
de variables del problema) definido por AX1 + BX2 = Z0. Mediante una nueva
iteracin y haciendo que la variable de decisin que tiene el 0 en la fila Z entre en
la base se obtendr otra solucin diferente para el mismo valor ptimo.
Solucin ilimitada (no acotada): si toda la columna de la variable que entra a la
base tiene todos sus elementos negativos o nulos se trata de problema no
acotado, es decir, que tiene solucin ilimitada. No hay valor ptimo concreto para
la funcin objetivo sino que a medida que se aumenta el valor de las variables
tambin se incrementa el valor Z sin violar ninguna restriccin.
No existe solucin: cuando ningn punto satisface todas las restricciones del
problema se produce la infactibilidad no existiendo ninguna solucin posible para
l. En este caso, una vez terminadas todas las iteraciones del algoritmo, existen
en la base variables artificiales cuyo valor es superior a cero.
Empate de variable entrante: cuando se produce un empate en la condicin de
decisin de la variable entrante se puede optar por cualquiera de ellas sin que esto
afecte a la solucin final. Por contra si influye en el nmero de iteraciones
necesarias para obtener dicha solucin. Se aconseja optar a favor de las variables
bsicas ya que ellas son las que formarn parte de la solucin ptima.
Empate de variable saliente: se puede nuevamente optar por cualquiera de ellas.
Sin embargo, a fin de no alargar el problema y evitar la entrada en un bucle infinito
(caso degenerado), se discrimina a favor de las variables de decisin haciendo
que permanezcan en la base. En el caso de estar en la primera fase del mtodo
de las Dos Fases, se optar por sacar de la base las variables artificiales.
Curiosidad en la Fase 1: al finalizar la fase 1, si el problema original tiene solucin,
todas las variables artificiales en la fila indicadora deben tener el valor "1".

El elemento pivote puede ser nulo?: No, el elemento pivote siempre ser
estrictamente positivo ya que nicamente se realizan los cocientes entre valores
no negativos y mayores que cero (ante un problema de maximizacin).

Ejemplo con el Mtodo Simplex

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
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 inicial:

PASO 5: REALIZAR LAS ITERACIONES NECESARIAS

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

Variable
entra

Variable
sale

que

Maximizar

Minimizar

La ms positiva de los Cj Zj

La ms negativa de los Cj - Zj

Siendo b los valores bajo la

celda solucin y a, el valor
que correspondiente
a
la
interseccin
entre b y
la
variable que entra. La menos
positiva de los b/a.

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.

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

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

- 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.
Maximizar
Solucin
ptima

Minimizar

Cuando todos los Cj - Zj sean Cuando todos los Cj - Zj sean

<= 0
>= 0

- 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 Zj0, para ejercicios cuya funcin objetivo sea "Maximizar", por ende hemos
llegado a la respuesta ptima.
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.

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 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

http://www.phpsimplex.com/teoria_metodo_simplex.htm
http://www.ingenieriaindustrialonline.com/herramientas-para-el-ingenieroindustrial/investigacin-de-operaciones/mtodo-simplex/