Proposición.

Dada una matriz A de orden mxn definida en un

cuerpo K, si B es la matriz resultado de aplicar una operación
elemental de línea(fila o columna) a la matriz A, entonces se
cumple:
rg(B)= rg(A)

• Intercambiar la línea i por la línea j:

fi fj , ci cj

• Si la operación elemental realizada sobre la matriz A es un

intercambio de dos filas fi y fj, entonces el conjunto de
vectores –fila de la matriz B resultante es igual al de la matriz
A (sólo cambia el orden), por lo que se mantiene el rango.
• Multiplicar los elementos de la línea i por un escalar λ≠0

fi = λ fj , ci =λ cj

Si la operación elemental realizada sobre la matriz A es el producto de una fila fi por un

escalar λ≠0, entonces los vectores –fila de la matriz B son iguales a los de la matriz A
excepto el i-ésimo fi´ =λfi. Por tanto, si fi es combinación lineal de las restantes filas de A,
existen m-1 escalares λ1, …, λm-1 tales que fi = λ1f1+…+ λm-1 fm, y de aquí:
fi´ = λfi = λ (λ1f1+…+ λm-1 fm) = λλ1f1+…+ λλm-1 fm
es decir, fi´ también se expresa como combinación lineal de las restantes filas de B. Por el
contrario, si fi no es combinación lineal de las restantes fila de A, para cualesquiera m-1
escalares λ1, …, λm-1 es fi ≠ λ1f1+…+ λm-1 fm, y como λ≠0, resulta que:

fi ≠ λ1f1+…+ λm-1 fi´ = λfi ≠ λλ1f1+…+ λλm-1 fm

es decir, fi´ tampoco puede expresarse como combinación lineal de las restantes filas de
B. En conclusión, B tiene el mismo número de filas linealmente independientes que A,
luego ambas matrices tienen igual rango.
Es un método cuantitativo de optimización matemática utilizado
habitualmente para solucionar problemas de programación
lineal, orientada a resolver problemas en la toma de decisiones.
El Método Simplex es un método analítico de solución de
problemas de programación lineal capaz de resolver modelos
más complejos que los resueltos mediante el método gráfico sin
restricción en el número de variables.
 El método simplex es un procedimiento iterativo que consiste en obtener
primero una solución básica factible no-óptima del problema dado y a partir de
esta determinar una sucesión de nuevas soluciones básicas factibles no-
óptimas, de tal manera que se van mejorando progresivamente los valores de
la función objetivo, hasta obtener la solución final que debe ser, si la solución
existe, básica, factible y óptima.

EJEMPLO:
Obtener las soluciones para las variables 𝑥1 y 𝑥2 de modo que hagan mínimo a 𝑍
𝑍 = −5𝑥1 − 4𝑥2
Sujeto a las siguientes restricciones:
2𝑥1 + 2𝑥2 ≤ 14
ቐ 6𝑥1 + 3𝑥2 ≤ 36
5𝑥1 + 10𝑥2 ≤ 60
PASO 1: Poner el problema en forma estándar.

 𝑍 + 5𝑥1 + 4𝑥2 = 0

2𝑥1 + 2𝑥2 + 𝑆1 = 14
 ቐ 6𝑥1 + 3𝑥2 + 𝑆2 = 36
5𝑥1 + 10𝑥2 + 𝑆3 = 60

Donde 𝑆1 , 𝑆2 , 𝑦 𝑆3 son variables de holgura.

PASO 2: Encontrar una solución básica factible
(SBF).
1. Empezamos colocando los coeficientes de las restricciones y de la función
objetivo.
2. Nos fijamos en la fila de la función objetivo, en los coeficientes de las
variables de decisión, escogemos es más positivo, su columna será la columna
PIVOTE, para el ejemplo la columna cuyo elemento es 5.
3. Dividimos la columna de resultados entre los miembros de la columna PIVOTE,
sin considerar la fila de la función objetivo. A continuación escogemos al
menor positivo y esta va a ser nuestra fila PIVOTE. El elemento interceptado
entre la fila y la columna PIVOTE será el elemento PIVOTE.
4. Debemos hacer que el elemento PIVOTE se convierta en 1. Para ello
realizamos operaciones a su fila correspondiente. Para nuestro caso, dividimos
dicha fila entre 6.
5. A continuación debemos hacer 0 los demás elementos de la columna PIVOTE.
 𝑍 𝑥1 𝑥2 𝑆1 𝑆2 𝑆3 𝑅𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜

𝑅1 𝑍 1 5 4 0 0 0 0

𝑅2 𝑆1 0 2 2 1 0 0 14 7

𝑅3 𝑆2 0 6 3 0 1 0 36 6

𝑅4 𝑆3 0 5 10 0 0 1 60 12

𝑅1 − 5𝑅3 𝑍 3ൗ −5ൗ
1 0 2 0 6 0 -30

𝑅2 − 2𝑅3 𝑆1 −1ൗ
0 0 1 1 3 0 2

1 𝑥1 1ൗ 1ൗ
𝑅 0 1 2 0 6 0 6
6 3
𝑅4 − 5𝑅3 𝑆3 15ൗ −5ൗ
0 0 2 0 6 1 30
Una vez completada la primera iteración, continuamos con la segunda iteración.

6. Ahora, como en la primera iteración, nos fijamos en nuestra función objetivo Z y en

los valores que tienen los elementos de las variables de decisión. El problema va a
terminar cuando en los elementos de las variables de decisión sean menores o iguales
a cero. Entonces a continuación escogimos al más positivo y su columna será la nueva
columna PIVOTE.
7. Dividimos los resultados de la primera iteración entre los elementos de la nueva
columna PIVOTE sin tomar en cuenta el resultado de la columna PIVOTE.
8. Escogemos el menor positivo, en nuestro caso es 2. Por lo tanto su fila será la fila
PIVOTE. La intersección con la columna PIVOTE será el nuevo elemento PIVOTE.
9. Si el elemento PIVOTE era distinto de 1, teníamos que hacer alguna operación y
volverlo 1 pero si ya es uno, lo dejamos así. Volvemos a escribir la fila tal y como
esta.
10. Para nuestro ejemplo vemos que nuestro elemento PIVOTE “1” se ubica en la
columna de 𝑥2 , entonces 𝑥2 va a ser nuestra variable de entrada y 𝑆1 vendría a ser
la variable de salida.
11. A través de operaciones con la fila PIVOTE volvemos a “0” los demás elementos de la
columna PIVOTE, de la misma manera que en la primera iteración.
 𝑍 𝑥1 𝑥2 𝑆1 𝑆2 𝑆3 𝑅𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜

𝑅1 − 5𝑅3 𝑍 3ൗ −5ൗ
1 0 2 0 6 0 -30

𝑅2 − 2𝑅3 𝑆1 −1ൗ
0 0 1 1 3 0 2 2

1 𝑥1 1ൗ 1ൗ
𝑅 0 1 2 0 6 0 6 12
6 3
𝑅4 − 5𝑅3 𝑆3 15ൗ −5ൗ
0 0 2 0 6 1 30 4

3 𝒁 −3ൗ −1ൗ
𝑅1 − 𝑅2 1 0 0 2 3 0 -33
2
𝒙𝟐 −1ൗ
𝑅2 0 0 1 1 3 0 2

1 𝒙𝟏 −1ൗ 1ൗ
𝑅3 − 𝑅2 0 1 0 3 3 0 5
2
15 𝑆3 −15ൗ 5ൗ
𝑅4 − 𝑅 0 0 0 2 3 1 15
2 2
IMPORTANCIA DEL METODO SIMPLEX

 Problemas de transporte de tropas.

 Problema del transporte de mercancías.
 Problema de los árboles frutales.
 Problema de la asignación del personal.
 Problemas del camino mínimo.
 Problemas de localización.
 Problema de inversión en bolsa.