ndice

ndice..........................................................................................................................1
Introduccin...............................................................................................................2
2.1 Teora del mtodo Simplex..................................................................................3
2.2 Forma tabular del mtodo Simplex......................................................................4
Ejemplo (parte 1): mtodo Simplex........................................................................7
2.3 El mtodo de las dos fases...............................................................................14
2.4 Casos especiales...............................................................................................18
2.5 Uso de software.................................................................................................24
2.6 CONCLUSIN...................................................................................................26
2.7 BIBLIOGRAFA..................................................................................................26

Introduccin
El mtodo algebraico es muy dispendioso, en razn a que trabaja con todos los
datos de las ecuaciones, para mejorar ste aspecto se cre el mtodo simplex
cuya gran virtud es su sencillez, mtodo muy prctico, ya que solo trabaja con los
coeficientes de la funcin objetivo y de las restricciones. Las reglas de decisin
para determinar la variable que entra, la que sale, la gran M, y cmo determinar
que estamos en el ptimo; Todas stas reglas de decisin fueron deducidas del
mtodo algebraico, solamente que aqu se han acomodado para ser usadas en el
tipo de tablero simplex que se usar.

2.1 Teora del mtodo Simplex.

Un algoritmo es un proceso en el que se repite un procedimiento sistemtico hasta
obtener el resultado deseado.
El mtodo simplex tambin es un procedimiento algebraico en el que cada
iteracin contiene la solucin de un sistema de ecuaciones para obtener una
nueva solucin a la que se le aplica la prueba de optimidad.
Como paso inicial el mtodo simplex necesita que cada una delas restricciones
estn en una forma estndar expresadas como ecuaciones mediante la suma de
variables de holgura o la resta de variables de excedente, segn sea el caso.
Este tipo de conversin conduce normalmente a un conjunto de ecuaciones
simultneas donde el nmero de variables excede al nmero de ecuaciones, lo
que generalmente significa que las ecuaciones proporcionan un nmero infinito de
puntos de solucin. Los puntos extremos de este espacio pueden identificarse
algebraicamente por medio de las soluciones bsicas del sistema de ecuaciones
simultneas.
De acuerdo con la teora del lgebra lineal, una solucin bsica se obtiene
igualando a 0 las variables necesarias con el fin de igualar el nmero total de
variables al nmero total de ecuaciones, para que la solucin sea nica y luego
resolver el sistema con las variables restantes.
ALGORITMO
1. Exprese en forma estndar el problema lineal.
2. Elija una solucin bsica factible inicial, esto involucra 2 pasos:
a) Si todas las restricciones en el problema original son del tipo

las variables de holgura se utilizan como una solucin de inicio.

b) Si las restricciones en el problema original incluyen restricciones del
tipo = se utiliza la tcnica de la multa o la tcnica de 2 pasos.
Estas tcnicas se utilizan para proporcionar una solucin de inicio, utilizando las
variables artificiales y/o de holgura.
3. Genere nuevas soluciones bsicas factibles utilizando las condiciones de
optimidad y factibilidad, hasta que se obtenga la solucin ptima.

CONDICIN DE OPTIMIDAD
La variable entrante en un problema de maximizacin es la variable no
bsica con el coeficiente ms negativo y para una minimizacin, la variable
con el coeficiente ms grande o ms positivo en la ecuacin de la funcin
objetivo.
Un empate se rompe arbitrariamente, el ptimo se alcanza cuando todos
los coeficientes en la funcin objetivo son 0s y positivos para el problema
de maximizacin y 0s y negativos para el problema de minimizacin.
CONDICIN DE FACTIBILIDAD
Tanto en problemas de maximizacin como de minimizacin la variable
saliente, es la variable bsica actual con el menor cociente positivo que
resulta al dividir el lado derecho entre los respectivos de la columna pivote
(seleccionada por la variable entrante).

2.2 Forma tabular del mtodo

Simplex.
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.
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).

Ejemplo (parte 1): mtodo Simplex

Resolver mediante el mtodo simplex el siguiente problema:

Maximiza Z = f(x,y) = 3x +
2y
r
sujeto a: 2x + y 18
2x + 3y 42
3x + y 24
x0,y0
Se consideran las siguientes fases:
1.

Realizar un cambio de variables y normalizar el signo de los trminos

independientes.
Se realiza un cambio en la nomenclatura de las variables. Establecindose
la correspondencia siguiente:

x pasa a ser X1

y pasa a ser X2
Como los trminos independientes de todas las restricciones son positivos
no es necesario hacer nada. En caso contrario habra que multiplicar por "1" en ambos lados de la inecuacin (teniendo en cuenta que esta operacin
tambin afecta al tipo de restriccin).

Normalizar las restricciones.

Se convierten las inecuaciones en ecuaciones agregando variables de

holgura, exceso y artificiales segn la tabla siguiente:
Tipo de desigualdad

Tipo de variable que aparece

- exceso + artificial

+ artificial

+ holgura

En este caso se introduce una variable de holgura (X3, X4 y X5) en cada

una de las restricciones del tipo , para convertirlas en igualdades,
resultando el sistema de ecuaciones lineales:
2X1 + X2 + X3 = 18
2X1 + 3X2 + X4 = 42
3X1 + X2 + X5 = 24

Igualar la funcin objetivo a cero.

Z - 3X1 - X2 - 0X3 - 0X4 - 0X5 = 0

Escribir la tabla inicial del mtodo Simplex.

La tabla inicial del mtodo Simplex est compuesta por todos los
coeficientes de las variables de decisin del problema original y las de
holgura, exceso y artificiales agregadas en el paso 2 (en las columnas,
siendo P0 el trmino independiente y el resto de variables Pi coinciden con
Xi), y las restricciones (en las filas). La columna Cb contiene los
coeficientes de las variables que se encuentran en la base.
La primera fila est formada por los coeficientes de la funcin objetivo,
mientras que la ltima fila contiene el valor la funcin objetivo y loscostes
reducidos Zj - Cj.
La ltima fila se calcula como sigue: Zj = (CbiPj) para i = 1..m, donde si j =
0, P0 = bi y C0 = 0, y en caso contrario Pj = aij. Aunque al tratarse de la
primera tabla del mtodo Simplex y ser todos los Cb nulos se puede
simplificar el clculo, y por esta vez disponer Zj = -Cj.
Tabla I . Iteracin n 1
3

Base

Cb

P0

P1

P2

P3

P4

P5

P3

18

P4

42

Tabla I . Iteracin n 1

P5
Z

24

-3

-2

Condicin de parada.
Si el objetivo es la maximizacin, cuando en la ltima fila (fila indicadora) no
existe ningn valor negativo entre los costes reducidos (columnas P1 en
adelante) se alcanza la condicin de parada.
En tal caso se llega al final del algoritmo ya que no existe posibilidad de
mejora. El valor de Z (columna P0) es la solucin ptima del problema.
Otro caso posible es que en la columna de la variable entrante a la base
todos los valores son negativos o nulos. Esto indica que el problema no se
encuentra acotado y su solucin siempre resultar mejorable. Ante esta
situacin no es necesario continuar iterando indefinidamente y tambin se
puede dar por finalizado el algoritmo.
De no ser as, se ejecutan los siguientes pasos de forma iterativa.

Eleccin de la variable entrante y saliente de la base.

Se determina en primer lugar la variable que entra en la base. Para ello se
escoge la columna cuyo valor en la fila Z sea el menor de entre todos los
negativos. En este caso sera la variable X1 (P1) de coeficiente -3.
Si existiesen dos o ms coeficientes iguales que cumplan la condicin
anterior (caso de empate), entonces se optar por aquella variable que sea
bsica.
La columna de la variable que entra en la base se llama columna.

Una vez obtenida la variable que entra en la base, se procede a determina

cual ser la variable que sale de la misma. La decisin se toma en base a
un sencillo clculo: dividir cada trmino independiente (columna P0) entre el
elemento correspondiente de la columna pivote, siempre que ambos
elementos sean estrictamente positivos (mayores que cero). Se escoge la
fila cuyo resultado haya resultado mnimo.
Si hubiera algn elemento menor o igual a cero no se realiza dicho
cociente. En caso de que todos los elementos de la columna pivote fueran
de sta condicin se habra cumplido la condicin de parada y el problema
tendra una solucin no acotada.
En este ejemplo: 18/2 [=9] , 42/2 [=21] y 24/3 [=8]
El trmino de la columna pivote que en la divisin anterior dio lugar al
menor cociente positivo indica la fila de la variable de holgura que sale de la
base. En este caso resulta ser X5 (P5), de coeficiente 3. Esta fila se
llama fila pivote (en color verde).
Si al calcular los cocientes, dos o ms resultados cumplen la condicin
para elegir el elemento saliente de la base (caso de empate), se escoge
aquella que no sea variable bsica (siempre que sea es posible).
La
interseccin
de
la fila
el elemento pivote, en este caso el 3.

pivote y columna

pivote marca

Actualizar la tabla.
Los nuevos coeficientes de la tabla se calculan de la siguiente manera:

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)
Con esto se normaliza el elemento pivote y su valor pasa a ser 1,
mientras que el resto de elementos de la columna pivote se anulan
(anlogo al mtodo de Gauss-Jordan).

Se muestran a continuacin los clculos para la fila P4:

Anterior fila P4

Anterior Elemento Fila en Columna Pivote

Nueva fila pivote

Nueva fila P4

42

1/3

1/3

26

7/3

-2/3

La tabla correspondiente a esta segunda iteracin es:

Tabla II . Iteracin n 2
3

Base

Cb

P0

P1

P2

P3

P4

P5

P3

1/3

-2/3

P4

26

7/3

-2/3

P1

1/3

1/3

24

-1

Al comprobar la condicin de parada se observa que no se cumple

ya que entre los elementos de la ltima fila hay uno negativo, -1. Se contina
iterando nuevamente los pasos 6 y 7.

6.1. La variable que entra en la base es X2 (P2), por ser la variable

que corresponde a la columna donde se encuentra el coeficiente -1.

6.2. Para calcular la variable que sale, se dividen los trminos de la

columna P0 entre los trminos correspondientes de la nueva columna pivote: 2 /
1/3 [=6] , 26 / 7/3 [=78/7] y 8 / 1/3 [=24]. Como el menor cociente positivo es 6, la
variable que sale de la base es X3 (P3).

6.3. El elemento pivote es 1/3.

7. Actualizando nuevamente los valores de la tabla se obtiene:

Tabla III . Iteracin n 3
3

Base

Cb

P0

P1

P2

P3

P4

P5

P2

-2

P4

12

-7

P1

-1

30

-1

Una nueva comprobacin de la condicin de parada revela que entre

los elementos de la fila indicadora vuelve a haber uno negativo, -1. Significa que
an no se ha llegado a la solucin ptima y hay que seguir iterando (pasos 6 y 7):

6.1. La variable que entra en la base es X5 (P5), por ser la variable

que corresponde al coeficiente -1.

6.2. Se escoge la variable que sale calculando el cociente entre los

trminos de la columna de trminos independientes y los trminos
correspondientes de la nueva columna pivote: 6/(-2) [=-3] , 12/4 [=3], y 6/1 [=6]. En
esta ocasin es X4 (P4).

6.3. El elemento pivote es 4.

7. Despus de actualizar todas las filas, se obtiene la tabla siguiente:

Tabla IV . Iteracin n 4
2

Base

Cb

P0

P1

P2

P3

P4

P5

P2

12

-1/2

1/2

P5

-7/4

1/4

P1

3/4

-1/4

33

5/4

1/4

Fin del algoritmo.

Se observa que en la ltima fila todos los coeficientes son positivos

cumplindose, por tanto la condicin de parada.
La solucin ptima viene dada por el valor de Z en la columna de los
trminos independientes (P0), en este ejemplo: 33. En la misma columna se
puede ver el punto donde se alcanza, observando las filas correspondientes
a las variables de decisin que han entrado en la base: X1 = 3 y X2 = 12.
Deshaciendo el cambio de variables se obtiene x = 3 e y = 12.

2.3 El 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

...

...

...

...

...

...

...

...

...

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.
EJEMPLO
Minimizar

Sujeto a:

Minimizar

Sujeto a:

FASE I
Minimizar
Sujeto a:

Minimizar

Sujeto a:

V.B.

X1

X2

S1

S2

R1

R2

Solucin

-1

-1

R1

-1

36

R2

-1

60

FASE II.

Minimizar

2.4 Casos especiales

Existen casos especiales que se encuentran a menudo en las aplicaciones del
mtodo simplex, los ms importantes son:

Degeneracin.
Soluciones ptimas mltiples.
Soluciones ptimas no acotadas.
Soluciones factibles no existentes.

1. DEGENERACION.
Un empate al elegir la variable que sale se rompe arbitrariamente. El problema
ocurre en la siguiente iteracin donde los valores de una o ms variables bsicas
llegan a ser cero, en cuyo caso se dice que la solucin es degenerada. En este
punto no existe la seguridad de que el valor de la funcin objetivo mejorar, ya que
la nueva solucin ptima puede permanecer degenerada de ser as, es posible
que las iteraciones del simplex entren en un circuito que repetir las misma(as)
sucesin de iteraciones sin alcanzar nunca la ptima.
El problema se conoce como ciclaje y afortunadamente raras veces se presenta
en la prctica. En una situacin de degeneracin es esencial llevar las iteraciones
del mtodo simplex hasta que se satisfaga completamente la condicin de
optimidad.

2. SOLUCIONES PTIMAS MULTIPLES.

Existen problemas que tienen ms de una solucin ptima. En este caso se
dice que se tienen soluciones ptimas mltiples debido a que la solucin
ptima se encuentra en un segmento de recta que es acotado por una de las
restricciones.

3. SOLUCIONES PTIMAS NO ACOTADAS.

Existen problemas para los cuales una o ms de las variables pueden
aumentarse indefinidamente mejorando en forma indefinida la funcin objetivo.
En esta situacin, se dice que la solucin ptima no est acotada, por lo que la
solucin ptima es infinita.

4. SOLUCIONES FACTIBLES NO EXISTENTES.

Existen problemas para los cuales no hay espacio de soluciones que cumplan
con todas las restricciones. Este problema termina anotando que no existen
soluciones factibles. Esta situacin se identifica en la tabla del mtodo simplex
cuando se llega a la solucin ptima y an no desaparecen las variables
artificiales.

2.5 Uso de software

POM-QM es un programa para la gestin de produccin/operaciones, mtodos
cuantitativos, ciencia de la gestin e investigacin de operaciones.
El programa puede configurndose para mostrar los mdulos de POM, los
mdulos QM o ambos mdulos de POM y QM.
Al abrir el programa, hay que especificar qu mdulo utilizaremos; en este
caso, el de Linear Programming.

Ejercicio a resolver:
Minimizar

Z =x1 + x 2

Sujeto a

x1 + x2 3

2 x 1 + x 2 18

x2 6

x1 , x2 0

En la siguiente tabla deberemos ingresar los coeficientes que corresponden a

cada variable y restriccin.

Ya ingresados los coeficientes, damos clic al botn color verde Solve,

enseguida seleccionaremos Iterations para que nos muestre los pasos en los
que se ha ido resolviendo el problema.

Por ltimo nos sern visibles todas las iteraciones que se calcularon para llegar
a una solucin ptima, siendo la ltima iteracin aquella que contiene los
resultados finales.

Solucin ptima:
Z =9 x1 =3 x 2=6 S 2=6

S 1=0 S3=0

2.6 CONCLUSIN
El mtodo Simplex es un procedimiento iterativo que permite ir mejorando la
solucin a cada paso. El proceso concluye cuando no es posible seguir mejorando
ms dicha solucin. Partiendo del valor de la funcin objetivo en un vrtice
cualquiera, el mtodo consiste en buscar sucesivamente otro vrtice que mejore al
anterior. La bsqueda se hace siempre a travs de los lados del polgono (o de las
aristas del poliedro, si el nmero de variables es mayor). Cmo el nmero de
vrtices (y de aristas) es finito, siempre se podr encontrar la solucin. El mtodo
Simplex se basa en la siguiente propiedad: si la funcin objetivo, f, no toma su
valor mximo en el vrtice A, entonces hay una arista que parte de A, a lo largo de
la cual f aumenta. Deber tenerse en cuenta que este mtodo slo trabaja para
restricciones que tengan un tipo de desigualdad y coeficientes independientes
mayores o iguales a 0, y habr que estandarizar las mismas para el algoritmo. En
caso de que despus de ste proceso, aparezcan (o no varen) restricciones del
tipo o = habr que emplear otros mtodos, siendo el ms comn el mtodo
de las Dos Fases.

2.7 BIBLIOGRAFA

Mtodo de las dos fases. (s.f.). (Consultado el 1 de Marzo). (En lnea) En:
http://www.itlalaguna.edu.mx/academico/carreras/industrial/invoperaciones1
/U2D.html
Mtodo simplex. PHPSimplex. (s.f.). (Consultado el 1 de Marzo). (En
lnea)En: http://www.phpsimplex.com/ejemplo_metodo_simplex.htm

Teora del mtodo simplex. PHPSimplex. (s.f.). (Consultado el 1 de Marzo).

(En lnea)En: http://www.phpsimplex.com/teoria_metodo_simplex.htm

Apuntes de segunda unidad.