El Mtodo Simplex es un mtodo analtico de solucin de problemas

de programacin lineal capaz de resolver modelos ms complejos que los

resueltos mediante elmtodo grfico sin restriccin en el nmero de variables.
El Mtodo Simplex es un mtodo iterativo que permite ir
mejorando la solucin en cada paso. La razn matemtica de esta mejora
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 famossimo 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.

QUE 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

VARIABLES DE HOLGURA Y EXCESO

El Mtodo Simplex trabaja basndose en ecuaciones y las restricciones iniciales
que se modelan mediante programacin lineal no lo son, para ello hay que
convertir estas inecuaciones en ecuaciones 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 famosos 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.

Estas variables suelen estar representadas por la letra "S", se suman si la

restriccin es de signo "<= " y se restan si la restriccin es de signo ">=".

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).

MTODO SIMPLEX PASO A PASO

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:

www.ingenieriaindustrialonline.com
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
entra

La ms positiva de los Cj - Zj

La ms negativa de los Cj - Zj

Variable que
sale

Siendo b los valores bajo la

celda solucin y a el valor
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.

www.ingenieriaindustrialonline.com
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".

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

www.ingenieriaindustrialonline.com
- Se repite este procedimiento con las dos filas restantes, ahora se harn los
clculos correspondientes en el resto de las celdas.

www.ingenieriaindustrialonline.com
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.

Solucin
ptima

Maximizar

Minimizar

Cuando todos los Cj - Zj sean

<= 0

Cuando todos los Cj - Zj sean

>= 0

- Continuamos con las iteraciones para lo cual tenemos que repetir los pasos
anteriores.

www.ingenieriaindustrialonline.com
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.

www.ingenieriaindustrialonline.com
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.

www.ingenieriaindustrialonline.com
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

PROBLEMAS DE MINIMIZACIN CON EL MTODO SIMPLEX

Para resolver problemas de minimizacin mediante el algoritmo simplex

existen dos procedimientos que se emplean con regularidad.

El primero, que a mi juicio es el ms recomendable se basa en un

artificio aplicable al algoritmo fundamentado en la lgica matemtica
que dicta que "para cualquier funcin f(x), todo punto que minimice a
f(x) maximizar tambin a - f(x)". Por lo tanto el procedimiento a aplicar
es multiplicar por el factor negativo (-1) a toda la funcin objetivo.

a continuacin se resuelve el algoritmo como un problema de maximizacin.

El segundo procedimiento, el cual pretende conservar la minimizacin

consiste en aplicar los criterios de decisin que hemos esbozado con
anterioridad, en los casos de la variable que entra, que sale y el caso en
el que la solucin ptima es encontrada. Aqu recordamos los
procedimientos segn el criterio dado el caso "minimizar".

Minimizar
Variable que entra

La ms negativa de los (Cj - Zj)

Variable que sale

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".

Solucin ptima

Cuando todos los (Cj - Zj) sean >= 0.

Mtodo del simplex

El mtodo del
simplex fue creado
en 1947 por el
matemtico George
Es un procedimiento iterativo que permite ir mejorando
Dantzig .
la solucin a cada paso. El proceso concluye cuando no
es posible seguir mejorando ms dicha solucin.
El mtodo del
simplex se utiliza,
Partiendo del valor de la funcin objetivo en un vrtice
sobre todo, para
cualquiera, el mtodo consiste en buscar
resolver problemas
sucesivamente otro vrtice que mejore al anterior. La
de programacin
bsqueda se hace siempre a travs de los lados del
lineal en los que
polgono (o de las aristas del poliedro, si el nmero de
intervienen tres o
variables es mayor). Cmo el nmero de vrtices (y de
ms variables.
aristas) es finito, siempre se podr encontrar la
solucin.
El lgebra matricial y
el proceso de
El mtodo del simplex se basa en la siguiente
eliminacin de
propiedad: si la funcin objetivo, f, no toma su valor
Gauss-Jordan para
mximo en el vrtice A, entonces hay una arista que
resolver un sistema
parte de A, a lo largo de la cual f aumenta.
de ecuaciones
lineales constituyen
la base del mtodo
simplex.

Vamos a resolver mediante el mtodo del simplex el siguiente problema:

Maximizar

Z= f(x,y)= 3x + 2y

sujeto a:

2x + y
2x + 3y

18
42

3x + y

24

x 0,y

Se consideran las siguientes fases:

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
2. Igualar la funcin objetivo a cero
- 3x - 2y + Z = 0
3. Escribir la tabla inicial simplex
En las columnas aparecern todas las variables del problema y, en las filas, los
coeficientes de las igualdades obtenidas, una fila para cada restriccin y la
ltima fila con los coeficientes de la funcin objetivo:
Tabla I . Iteracin n 1
Base

Variable de decisin

Variable de holgura

Valores solucin

18

42

24

-3

-2

4. Encontrar la variable de decisin que entra en la base y la variable

de holgura que sale de la base
A. Para escoger la variable de decisin que entra en la base, nos fijamos en
la ltima fila, la de los coeficientes de la funcin 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 ms coeficientes iguales que cumplan la condicin
anterior, entonces se elige uno cualquiera de ellos.
Si en la ltima fila no existiese ningn coeficiente negativo, significa que se
ha alcanzado la solucin ptima. Por tanto, lo que va a determinar el final del
proceso de aplicacin del mtodo del simplex, es que en la ltima fila no haya
elementos negativos.

La columna de la variable que entra en la base se llama columna pivote (En

color verde).
B. Para encontrar la variable de holgura que tiene que salir de la base, se
divide cada trmino de la ltima columna (valores solucin) por el
trmino correspondiente de la columna pivote, siempre que estos
ltimos sean mayores que cero. En nuestro caso:
18/2 [=9] , 42/2 [=21] y 24/3 [=8]
Si hubiese algn 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 tendramos una solucin no acotada y no se puede seguir.
El trmino de la columna pivote que en la divisin anterior d 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 (En colorverde).
Si al calcular los cocientes, dos o ms son iguales, indica que cualquiera de
las variables correspondientes pueden salir de la base.

C. En la interseccin de la fila pivote y columna pivote tenemos el elemento

pivote operacional, 3.
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.
A continuacin mediante la reduccin gaussiana hacemos ceros los restantes
trminos de su columna, con lo que obtenemos los nuevos coeficientes de las
otras filas incluyendo los de la funcin objetivo Z.
Tambin se puede hacer utilizando el siguiente esquema:
Fila del pivote:
Nueva fila del pivote= (Vieja fila del pivote) : (Pivote)
Resto de las filas:
Nueva fila= (Vieja fila) - (Coeficiente de la vieja fila en la columna de la
variable entrante) X (Nueva fila del pivote)
Vemoslo con un ejemplo una vez calculada la fila del pivote (fila de x en la
Tabla II):
Vieja fila de s

Coeficiente

42

Nueva fila pivote

Nueva fila de s

1/3

1/3

7/3

-2/3

26

Tabla II . Iteracin n 2
Base

Variable de decisin

Variable de holgura

Valores solucin

1/3

-2/3

7/3

-2/3

26

1/3

1/3

-1

24

Como en los elementos de la ltima fila hay uno negativo, -1, significa que no
hemos llegado todava a la solucin ptima. Hay que repetir el proceso:
A. La variable que entra en la base es y, por ser la variable que
corresponde al coeficiente -1
B. Para calcular la variable que sale, dividimos los trminos de la ltima
columna entre los trminos 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.
C. El elemento pivote, que ahora hay que hacer 1, es 1/3.
Operando de forma anloga a la anterior obtenemos la tabla:
Tabla III . Iteracin n 3
Base

Variable de decisin

Variable de holgura

Valores solucin

-2

-7

12

-1

-1

30

Como en los elementos de la ltima fila hay uno negativo, -1, significa que no
hemos llegado todava a la solucin ptima. 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 trminos de la ltima
columna entre los trminos 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.
Obtenemos la tabla:
Tabla IV . Final del proceso
Base

Variable de decisin

Variable de holgura

Valores solucin

-1/2

12

-7/4

-3/4

5/4

33

Como todos los coeficientes de la fila de la funcin objetivo son positivos,

hemos llegado a la solucin ptima.
Los solucin ptima viene dada por el valor de Z en la columna de los valores
solucin, en nuestro caso: 33. En la misma columna se puede observar el
vrtice donde se alcanza, observando las filas correspondientes a las variables
de decisin que han entrado en la base: D(3,12)
* Si en el problema de maximizar apareciesen como restricciones
inecuaciones de la forma: ax + by
c; multiplicndolas 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 funcin objetivo, sea
el mayor de los positivos y se finalizan las iteraciones cuando todos los
coeficientes de la fila de la funcin objetivo son negativos

Interpretacin geomtrica del mtodo del simplex

Las sucesivas tablas que hemos construido van proporcionando el valor de la
funcin objetivo en los distintos vrtices, ajustndose, a la vez, los coeficientes
de las variables iniciales y de holgura.
En la primera iteracin (Tabla I) han permanecido todos los coeficientes iguales,
se ha calculado el valor de la funcin objetivo en el vrtice A(0,0), siendo este
0.
A continuacin se desplaza por la arista AB, calculando el valor de f , hasta
llegar a B.
Este paso aporta la Tabla II.
En esta segunda iteracin se ha calculado el valor que corresponde al vrtice
B(8,0): Z=f(8,0) = 24
Sigue por la arista BC, hasta llegar a C, donde se para y
despliega los datos de la Tabla III.
En esta tercera iteracin se ha calculado el valor que
corresponde al vrtice C(6,6) : Z=f(6,6)=30.
Continua haciendo clculos a travs de la arista CD, hasta
llegar al vrtice D. Los datos que se reflejan son los de
la Tabla IV.
Concluye con esta tabla, advirtiendo que ha terminado (antes
ha comprobado que la solucin no mejora al desplazarse por la arista DE)
El valor mximo de la funcin objetivo es 33, y corresponde a x = 3 e y = 12
(vrtice D).
Si calculas el valor de la funcin objetivo en el vrtice E(0,14), su valor no
supera el valor 33.