El mtodo Simplex es un procedimiento iterativo que permite mejorar la solucin de la funcin

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

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

buscar otro punto que mejore el valor anterior. Como se ver en el mtodo Grfico, dichos
puntos son los vrtices del polgono (o poliedro o polcoro, si el nmero de variables es mayor
de 2) que constituye la regin determinada por las restricciones a las que se encuentra sujeto
el problema (llamada regin factible). La bsqueda se realiza mediante desplazamientos por
las aristas del polgono, desde el vrtice actual hasta uno adyacente que mejore el valor de la
funcin objetivo. Siempre que exista regin factible, como su nmero de vrtices y de aristas
es finito, ser posible encontrar la solucin.

El mtodo Simplex se basa en la siguiente propiedad: si la funcin objetivo Z no toma su valor

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

Ser necesario tener en cuenta que el mtodo Simplex nicamente 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 habr que estandarizar las restricciones
para que cumplan estos requisitos antes de iniciar el algoritmo del Simplex. En caso de que
despus de ste proceso aparezcan restricciones del tipo "" (mayor o igual) o "=" (igualdad), o
no se puedan cambiar, ser necesario emplear otros mtodos de resolucin, siendo el ms
comn el mtodo de las Dos Fases.

Preparando el modelo para adaptarlo al mtodo Simplex

La forma estndar del modelo de problema consta de una funcin objetivo sujeta a
determinadas restricciones:

Funcin objetivo: c1x1 + c2x2 + ... + cnxn

Sujeto a: a11x1 + a12x2 + ... + a1nxn = b1

a21x1 + a22x2 + ... + a2nxn = b2

...
am1x1 + am2x2 + ... + amnxn = bm

x1,..., xn 0

El modelo debe cumplir las siguientes condiciones:

El objetivo consistir en maximizar o minimizar el valor de la funcin objetivo (por ejemplo,

incrementar ganancias o reducir prdidas, respectivamente).

Todas las restricciones deben ser ecuaciones de igualdad (identidades matemticas).

Todas las variables (xi) deben tener valor positivo o nulo (condicin de no negatividad).

Los trminos independientes (bi) de cada ecuacin deben ser no negativos.

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

Tipo de optimizacin.

Como se ha comentado, el objetivo del mtodo consistir en optimizar el valor de la funcin

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

Adems existen diferencias en el algoritmo entre el objetivo de maximizacin y el de

minimizacin en cuanto al criterio de condicin de parada para finalizar las iteraciones y a las
condiciones de entrada y salida de la base. As:

Objetivo de maximizacin

Condicin de parada: cuando en la fila Z no aparece ningn valor negativo.

Condicin 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.

Condicin 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 minimizacin

Condicin de parada: cuando en la fila Z no aparece ningn valor positivo.

Condicin de entrada a la base: el mayor valor positivo en la fila Z indica la variable Pj que
entra a la base.

Condicin 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 condicin 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
solucin, se puede cambiar el problema a otro equivalente de maximizacin simplemente
multiplicando la funcin objetivo por "-1". Es decir, el problema de minimizar Z es equivalente
al problema de maximizar (-1)Z. Una vez obtenida la solucin ser necesario multiplicarla
tambin por (-1).

Ventajas: No hay que preocuparse por nuevos criterios de parada, condicin de entrada y
salida de la base ya que se mantienen.

Inconvenientes: En el caso de que la funcin tenga todos los coeficientes de sus variables
bsicas positivos, y adems las restricciones sean del tipo de desigualdad "", al hacer el
cambio dichos coeficientes quedan negativos cumplindose la condicin de parada en la
primera iteracin (en la fila del valor de la funcin objetivo todos los valores son positivos o
cero). Obtenindose en este caso por defecto un valor ptimo para la funcin igual a 0.

Solucin: Realmente no existe este problema dado que para que la solucin sea superior a 0 es
necesario que alguna restriccin tenga impuesta la condicin "" (y se tratara de un modelo
para el mtodo de las Dos Fases). En el caso planteado, la solucin real debe ser cero.

Cambio de signo de los trminos independientes

Tambin se ha dicho que los trminos independientes (bi) de cada ecuacin deben ser no
negativos para poder emplear el mtodo Simplex. A tal fin, si alguna de las restricciones
presenta un trmino independiente menor que 0 habr que multiplicar por "-1" ambos lados
de la inecuacin (teniendo en cuenta que esta operacin tambin afecta al tipo de restriccin).

Ventajas: Con sta simple modificacin de signos en las restricciones correspondientes se

posibilita la aplicacin del mtodo Simplex al problema modelado.

Inconvenientes: Puede resultar que en las restricciones donde tengamos que modificar los
signos de las constantes, los tipos de desigualdad fueran "" (quedando tras la operacin del
tipo "") siendo necesario desarrollar el mtodo de las Dos Fases. Este inconveniente no es
controlable, aunque podra ocurrir el caso contrario y resultar beneficioso si los trminos
independientes negativos se presentan en todas aquellas restricciones con desigualdad de tipo
"". Si existe alguna restriccin del tipo "=" no supondra ninguna ventaja ni desventaja puesto
que siempre sera de necesaria aplicacin el mtodo de las Dos Fases.

Normalizacin de las restricciones

Otra de las condiciones del modelo estndar del problema es que todas las restricciones sean
ecuaciones de igualdad (tambin llamadas restricciones de igualdad), por lo que hay que
convertir las restricciones de desigualdad o inecuaciones en dichas identidades matemticas.

La condicin de no negatividad de las variables (x1,..., xn 0) es la nica excepcin y se

mantiene tal cual.

Restriccin de tipo ""

Para normalizar una restriccin con una desigualdad del tipo "", hay que aadir una nueva
variable, llamada variable de holgura xs (con la condicin de no negatividad: xs 0). Esta nueva
variable aparece con coeficiente cero en la funcin objetivo, y sumando en la ecuacin
correspondiente (que ahora s ser una identidad matemtica o ecuacin de igualdad).

a11x1 + a12x2 b1 Flecha a11x1 + a12x2 + 1xs = b1

Restriccin de tipo ""

En caso de una desigualdad del tipo "", tambin hay que aadir una nueva variable llamada
variable de exceso xs (con la condicin de no negatividad: xs 0). Esta nueva variable aparece
con coeficiente cero en la funcin objetivo, y restando en la ecuacin correspondiente.
Surge ahora un problema con la condicin de no negatividad con esta nueva variable del
problema. Las inecuaciones que contengan una desigualdad de tipo "" quedaran:

a11x1 + a12x2 b1 Flecha a11x1 + a12x2 - 1xs = b1

Al realizar la primera iteracin con el mtodo Simplex, las variables bsicas no estarn en la
base y tomarn valor cero. En este caso la nueva variable xs, tras hacer cero a x1 y x2, tomar
el valor -b1 y no cumplira la condicin de no negatividad. Es necesario aadir otra nueva
variable xr, llamada variable artificial, que tambin aparecer con coeficiente cero en la
funcin objetivo y sumando en la restriccin correspondiente. Quedando entonces de la
siguiente manera:

a11x1 + a12x2 b1 Flecha a11x1 + a12x2 - 1xs + 1xr = b1

Restriccin de tipo "="

Al contrario de lo que cabra pensar, para las restricciones de tipo "=" (aunque ya son
identidades) tambin es necesario agregar variables artificiales xr. Como en el caso anterior, su
coeficiente ser cero en la funcin objetivo y aparecer sumando en la restriccin
correspondiente.

a11x1 + a12x2 = b1 Flecha a11x1 + a12x2 + 1xr = b1

En el ltimo caso se hace patente que las variables artificiales suponen una violacin de las
leyes del lgebra, por lo que ser necesario asegurar que dichas variables artificiales tengan un
valor 0 en la solucin final. De esto se encarga el mtodo de las Dos Fases y por ello siempre
que aparezcan este tipo de variables habr que realizarlo.
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.

Problema
planteado por Edwin Bastidas - Ingeniero Industrial
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

www.ingenieriaindustrialonline.com
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.

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:

Maximizar Minimizar
Variable que
La ms positiva de los Cj - Zj La ms negativa de los Cj - Zj
entra
 Siendo b los valores bajo la celda solucin Siendo b los valores bajo la celda
Variable que y a el valor correspondiente a la solucin y a el valor correspondiente a la
sale interseccin entre b y la variable que entra. interseccin entre b y la variable que
La menos positiva de los b/a. 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 Minimizar
Solucin Cuando todos los Cj - Zj sean <= Cuando todos los Cj - Zj sean >=
ptima 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 -

Zj <= 0, 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