METODO SIMPLEX O ALGORITMO

SIMPLEX
 Método Simplex
Definición:
El método Simplex es un procedimiento iterativo que permite mejorar la
solución de la función objetivo en cada paso. El proceso concluye cuando no
es posible continuar mejorando dicho valor, es decir, se ha alcanzado la
solución óptima (el mayor o menor valor posible, según el caso, para el que se
satisfacen todas las restricciones).

El método del simplex fue creado en 1947 por el matemático George Dantzig .
El método del simplex se utiliza, sobre todo, para resolver problemas de
programación lineal en los que intervienen tres o más variables.

El álgebra matricial y el proceso de eliminación de Gauss-Jordan para resolver

un sistema de ecuaciones lineales constituyen la base del método simplex.
 Método Simplex

Preparando el modelo para adaptarlo al método Simplex:

La forma estándar del modelo de problema consta de una función objetivo

sujeta a determinadas restricciones:

Función objetivo: c1*x1 + c2*x2 + ... + cn*xn

Sujeto a: a11*x1 + a12*x2 + ... + a1n*xn = b1
a21*x1 + a22*x2 + ... + a2n*xn = b2
...
am1*x1 + am2*x2 + ... + amn*xn = bm
x1,..., xn ≥ 0
 Método Simplex

Condiciones:

El método Simplex únicamente 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 habrá que estandarizar
las restricciones para que cumplan estos requisitos antes de iniciar el
algoritmo del Simplex.
En caso de que después de éste proceso aparezcan restricciones del tipo "≥"
(mayor o igual) o "=" (igualdad), o no se puedan cambiar, será necesario
emplear otros métodos de resolución, siendo los más común el método de la
Gran M o el método de las dos Fases.
 Método Simplex

El modelo debe cumplir las siguientes condiciones:

1. El objetivo consistirá en maximizar o minimizar el valor de la función

objetivo (por ejemplo, incrementar ganancias o reducir pérdidas,
respectivamente).
2. Todas las restricciones deben ser ecuaciones de igualdad (identidades
matemáticas).
3. Todas las variables (xi) deben tener valor positivo o nulo (condición de no
negatividad).
4. Los términos independientes (bi) de cada ecuación deben ser no negativos.
 Método Simplex

Tipo de optimización.
• El objetivo del método consistirá en optimizar el valor de la función
objetivo. Sin embargo se presentan dos opciones: obtener el valor óptimo
mayor (maximizar) u obtener el valor óptimo menor (minimizar).
• Además existen diferencias en el algoritmo entre el objetivo de
maximización y el de minimización en cuanto al criterio de condición de
parada para finalizar las iteraciones y a las condiciones de entrada y salida
de la base.
 Método Simplex

• Objetivo de maximización
1. Condición de parada: cuando en la fila Z no aparece ningún valor
negativo.
2. Condición 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.
3. Condición 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
 Método Simplex

• Objetivo de minimización

• Condición de parada: cuando en la fila Z no aparece ningún valor positivo.

• Condición de entrada a la base: el mayor valor positivo en la fila Z indica

la variable Pj que entra a la base.

• Condición 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
 Método Simplex

• No obstante, es posible normalizar el objetivo del problema con el fin de

aplicar siempre los mismos criterios en lo referente a la condición 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 solución,
se puede cambiar el problema a otro equivalente de maximización
simplemente multiplicando la función objetivo por "-1". Es decir, el
problema de minimizar Z es equivalente al problema de maximizar (-1)*Z.
Una vez obtenida la solución será necesario multiplicarla también por (-1).
 Método Simplex

Cambio de signo de los términos independientes

• También se ha dicho que los términos independientes (bi) de cada

ecuación deben ser no negativos para poder emplear el método Simplex.
A tal fin, si alguna de las restricciones presenta un término independiente
menor que 0 habrá que multiplicar por "-1" ambos lados de la inecuación
(teniendo en cuenta que esta operación también afecta al tipo de
restricción).
 Método Simplex

Normalización de las restricciones

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

• La condición de no negatividad de las variables (x1,..., xn ≥ 0) es la única

excepción y se mantiene tal cual.
 Método Simplex

• Restricción de tipo "≤"

Para normalizar una restricción con una desigualdad del tipo "≤", hay que
añadir una nueva variable, llamada variable de holgura h (con la condición de
no negatividad: h≥ 0). Esta nueva variable aparece con coeficiente cero en la
función objetivo, y sumando en la ecuación correspondiente (que ahora sí
será una identidad matemática o ecuación de igualdad).

a11*x1 + a12*x2 ≤ b1 a11*x1 + a12*x2 + 1*h= b1

 Método Simplex
Ejemplo:
Leather Limited fabrica dos tipos de cinturones; el modelo de lujo y el modelo regular. Para cada
tipo se requiere una yarda cuadrad de pile. Se necesita una hora de mano de obra calificada para
un cinturón regular, y para un cinturón de lujo se requieren 2 horas. Se dispone cada semana de
40 yardas cuadradas de piel y 60 horas de mano de obra calificada. Cada cinturón regular aporta
3 dólares a la utilidad, y cada cinturón de lujo, 4 dólares. Si se definen
Variables de decisión:
X1: Cantidad de cinturones de lujo fabricados cada semana
X2: Cantidad de cinturones regulares producidos a la semana

Función Objetivo
Maximizar Z= f(x,y)= 4x + 3y

Restricciones
1x + 1y ≤ 40…………………….(Restricción de piel)
2x + y ≤ 60……………………..(Restricción de mano de obra)
x≥0 , y≥ 0
 Método Simplex
Se define para cada restricción ≤ una variable de holgura, S1 (variable de holgura para
la restricción i-esima), que es la cantidad de recurso sin usar en la restricción i-esima.
Como se usan x1+x2 yardas cuadradas de piel y se disponen de 40 yardas cuadradas,
S1 se define:
S1=40-X1-X2 o bien X1+X2+S1=40
De igual manera se define S2:
S2=60-2X1-X2 o bien 2X1+X2+S2=60

Ahora observar que un punto (X1,X2)satisface la restricción i-esima si y solo si St≥0.

Por ejemplo X1=15 y X2=20, esto satisface a X1+X2≤40 dado que 40-15-20=5≥0, S1=5
yardas cuadradas de piel quedan sin usar. De manera similar el punto (15,20) satisface
a S2=60-2(15)-20=10 horas de mano de obra que no se utilizan.
Notar que el punto X1=X2=25 no cumple con S2=60-2(25)-25 ya que es igual a -15,
indica que el punto (25,25) usa mas mano de obra que la que se tiene disponible.
 Método Simplex
Forma estándar:
Max Z- 4X1 -3X2=0
sujeto a: X1 + X2 + S1 = 40
2X1 + X2 +S2 = 60
X1,X2,S1,S2 ≥ 0

Tabla I . Iteración nº 1
Base Variable de decisión Variable de holgura Valores
solución
X1 X2 S1 S2
Z -4 -3 0 0 0
S1 1 1 1 0 40
S2 2 1 0 1 60
 Método Simplex

Tabla II . Iteración nº 2
Variable de decisión Variable de holgura Valores
Base
solución
X1 X2 S1 S2
Z 0 -1 0 2 120
S1 0 1/2 1 -1/2 10
X1 1 1/2 0 1/2 30
 Método Simplex

Tabla III . Iteración nº 3

Variable de decisión Variable de holgura Valores
Base
solución
X1 X2 S1 S2
Z 0 0 2 1 140
X2 0 1 2 -1 20
X1 1 0 -1 1 20

X1=20
X2=20
Z=140
 Método Simplex

Ejemplo de maximización
Maximizar Z= f(x,y)= 3x + 2y
sujeto a: 2x + y ≤ 18
2x + 3y ≤ 42
3x + y ≤ 24
x≥0 , y≥ 0
 Método Simplex

• 1. Convertir las desigualdades en igualdades

Se introduce una variable de holgura por cada una de las restricciones, para
convertirlas en igualdades, resultando el sistema de ecuaciones lineales:

2x + y + h = 18
2x + 3y + s = 42
3x +y + d = 24
x, y, h, s, d ≥ 0

2. Igualar la función objetivo a cero

- 3x - 2y + Z = 0
 Método Simplex

• 3. Escribir la tabla 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:

Tabla I . Iteración nº 1
Variable de Valores
Base Variable de holgura
decisión solución
x y h s d
h 2 1 1 0 0 18
s 2 3 0 1 0 42
d 3 1 0 0 1 24
Z -3 -2 0 0 0 0
 Método Simplex

• 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, nos fijamos en la
última fila, la de los coeficientes de la función objetivo y escogemos la
variable con el coeficiente negativo mayor (en valor absoluto). En nuestro
caso, la variable x de coeficiente - 3.
Si existiesen dos o más coeficientes iguales que cumplan la condición anterior,
entonces se elige uno 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.
 Método Simplex
B. Para encontrar la variable de holgura que tiene que salir de la base, 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.
En nuestro caso:
18/2 [=9] , 42/2 [=21] y 24/3 [=8]
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, d. Esta fila se llama fila pivote.
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.
 Método Simplex

• 5. Encontrar los coeficientes de la nueva tabla.

Los nuevos coeficientes de x se obtienen dividiendo todos los coeficientes de
la fila d por el pivote operacional, 3, que es el que hay que convertir en 1.

Tabla II . Iteración nº 2
Variable de Valores
Base Variable de holgura
decisión solución
x y h s d
h 0 1/3 1 0 -2/3 2
s 0 7/3 0 1 -2/3 26
x 1 1/3 0 0 1/3 8
Z 0 -1 0 0 1 24
 Método Simplex

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:
La variable que entra en la base es y, por ser la variable que corresponde al
coeficiente -1
Para calcular la variable que sale, dividimos los términos de la última columna
entre los términos correspondientes de la nueva columna pivote:

2:1/3 [=6] , 26:7/3 [=78/7] y 8:1/3 [=8]

y como el menor cociente positivo es 6, tenemos que la variable de holgura

que sale es h.

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

 Método Simplex

Tabla III . Iteración nº 3

Valores
Variable de
Base Variable de holgura solució
decisión
n
x y h s d
y 0 1 3 0 -2 6
s 0 0 -7 1 4 12
x 1 0 -1 0 1 6
Z 0 0 3 0 -1 30
 Método Simplex

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 d, 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 s.
C. El elemento pivote, que ahora hay que hacer 1, es 4.
 Tabla IV . Final del proceso
Variable de Valores
Base Variable de holgura
decisión solución
x y h s d
y 0 1 -1/2 1/2 0 12
d 0 0 -7/4 1/4 1 3
x 1 0 3/4 -1/4 0 3
Z 0 0 5/4 1/4 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. En la misma columna se puede observar el vértice donde se alcanza,
observando las filas correspondientes a las variables de decisión que han entrado en la
base: D(3,12)
 Método Simplex

• Si en el problema de maximizar aparecen restricciones inecuaciones de la

forma: ax + by ≥ c; multiplicándolas por - 1 se transforman en
inecuaciones de la forma - ax - by ≤ - c y estamos en el caso anterior.

• Si en lugar de maximizar se trata de un problema de minimizar se sigue el

mismo proceso, pero cambiando el sentido del criterio, es decir, para
entrar en la base se elige la variable cuyo valor, en la fila de la función
objetivo, sea el mayor de los positivos y se finalizan las iteraciones cuando
todos los coeficientes de la fila de la función objetivo son negativos.
Interpretación geométrica del método del simplex
Ejercicio para la clase:

Un fabricante de televisores produce 4 modelos: uno de 14 pulgadas en blanco y negro,

uno de 21 pulgadas en blanco y negro, uno de 14 pulgadas a color y uno de 21 pulgadas a
color. Cada televisor requiere tiempos de armado y tiempos de prueba de acuerdo a la
tabla siguiente, también se muestran las utilidades por cada televisor:
El tiempo disponible para armado es de 2000 horas semanales y el tiempo de prueba
disponible es de 500 horas semanales. El proveedor de pantallas tiene una capacidad de
entrega de 180 pantallas semanales, de las cuales no más de 100 pantallas se pueden
ocupar para fabricar los televisores a color.
El siguiente modelo de programación lineal se puede utilizar para resolver este problema.

14` Blanco y 21` Blanco y 14` Color 21` Color

Negro Negro
Armado 8 10 12 15
Prueba 2 2 4 5
Utilidad 40 60 80 100
FORMULACION DEL PROBLEMA

Variables de Decisión:
X1: Cantidad de televisores a producir en la semana de 14 pulgadas en blanco y
negro.
X2: Cantidad de televisores a producir en la semana de 21 pulgadas en blanco y
negro.
X3: Cantidad de televisores a producir en la semana de 14 pulgadas a color.
X4: Cantidad de televisores a producir en la semana de 21 pulgadas a color.

Funcion Objetivo:

Restricciones: